1、“.....让在零模型下为参数近似值。对于每个，和其相应导数在上为，和，我们定义，并且了灵活地选择分数改善功效性能，尤其是方向性备择。此外，当备择不具备方向性，我们建立渐进自由分布最大最小值检验来检验这大类备择。最后，我们进行了模拟研究，并进行了实际数据分析。关键词自回归误差修正经验似然比检验最大最小值检验多元回归Ⅲ引言假设有个响应向量取决于个协变向量其中，代表转置。当预期值存在，我们可以将分解成个向量函数和个与互不相关干扰变量，如。当个响应向量是未知，平均值函数可以根据平均散布误差标准来确定最优值。大多数文献都是致力于对回归函数模型建立和统计分析。种比较流行方法就是假设这个内含模型是属于参数模型体系，用简明方式来表示反应向量和协变向量关系。因为存在着很多竞争模型......”。

2、“.....模型检验是非常重要。对于模型检验，大多数文献资料都是针对维反应向量情况下研究。本文将对其中些成果进行回顾。对模型进行检验判断技术主要有两种，种是局部平滑法，另种是整体平滑法。针对于前者，和提出了基于参数与非参数之间对比来检测存在可能性情况测试方法。参考文献对此做了比较全面分析。，和构造了以正交级数为基础测试，涉及对双变量回归嵌套模型选择。和提出了种自适应性检验。但是，这个检验需要对平均数进行非参数性估算并受到维数影响。为了避免严重维数问题，因此提出了种基于残余标记实证检验，它是全面平滑法种，见参考文献。这种检验不需要非参数平滑，但与高频数方法相比灵敏度要低。另外，和提出了种适应性检验方法在现实中，个协变向量可以同时决定多个响应向量是非常寻常事。比如，在经济和金融里，多元时间序列变越来越有用，吸引了大量学者进行研究详情见参考文献......”。

3、“.....然而，对于现有方法论直接扩展都不能构成有力检验。我们应该特别关注响应向量各个组成要素之间关系，这在理论和实践上都是非常重要。在本论文中，我们创建了经验似然比检验，并且研究多元回归模型渐近行为，其中包括传统回归和时间序列自回归。在文献中，基于可能性实证检验往往具有些参数可能性特点，比如可修正性原则和定理。参Ⅲ考文献列出了简要观点。我们试图利用实证可能性法和计分检验法优势为回归模型和自回归模型创建以实证可能性为基础计分检验法。我们要注意是单纯基于实证可能性测试并不是现象。但是通过偏差修正测试就是现象。此外，测试结果往往有以下这些特征在零假说前提下，他们是渐近卡方，在个参数比率下能发现所有可能性情况都趋向于零他们是自我规模不变，在有限差异情况下是不需要进行估计他们还包含了加权函数，能够灵活选择分数来加强动力性能，特别是在方向性选择上......”。

4、“.....并讨论了可能存在其他选择。第部分是经验似然比检验在时间序列自回归模型中使用情况。第部分是些模拟实验和应用实际数据汇报。在附录中还提供了相关技术证明。检验统计量及其渐近性质检验统计建立假设这是个取自人口样本，满足其中是类维变量，是维响应向量，是个维矢量值函数定义在维欧氏空间和误差向量满足。在本文中，我们主要集中在模型检验。具体来说，空假设是，，对于些而言，和替代是，对于任何，那么，是个已知函数满足维参数，和其中是参数维度注意公式零假设条件下Ⅲ从而得到方程对于任何对于任何维矢量函数，，假定参数存在，那些•代表分量相乘。作为检验过程部分，对未知参数估计是不可避免。作为我们重点是对模型检验，而非参数估计，最常用非线性最小二乘估计量是用在检验统计建立上......”。

5、“.....对于每个，和其相应导数在上为，和，我们定义，并且Ⅲ其中然后将，，。放入，。在基于维向量下，实证可能性函数可以表示为，，在条件下。通过引进拉格朗日乘子，最优权重为，其中维向量由决定。然后，在零假设情况下，检验中实证对数可能性比率为。定理在和假设前提下，当时，趋向于，其中是在自由度为情况下卡方分布。接着，在可选择情况下，我们研究了对进行经验似然比检验后动力行为。由作为变量序列模型为，，其中是常量序列，些由，度量维向量函数是可变，表示为，然后我们就得到了以下结果。定理在和假设条件下，假设预期值为，当非零常数，概率。当其中是个在自由度下非中心卡方随机变量，......”。

6、“.....这与第部分传统情况基本相似。Ⅲ因此，省略相同讨论。考虑下面序列模型，当公，其中，是未知参数，，是可能性偏差。在零模型下相当于接下来我们导出个对极大值检验，其中为基准，且与样，我们认为加权残值从属于。将带入，其中是维拉格朗日乘子。根据定理证明，在情况下，，当这时。当，时其中且，且表示正态分布。因此，当，我们就得出。与传统回归相似，极大值检验同样有很多可选择情况。定理在已知，显著性水平下，检验是对情况下极大值检验，其中Ⅲ满足，这个等式。同时，是模型在情况下，如在指定价值......”。

7、“.....确立了渐近极大功效，其中是非中心性参数。了灵活地选择分数改善功效性能，尤其是方向性备择。此外，当备择不具备方向性，我们建立渐进自由分布最大最小值检验来检验这大类备择。最后，我们进行了模拟研究，并进行了实际数据分析。关键词自回归误差修正经验似然比检验最大最小值检验多元回归Ⅲ引言假设有个响应向量取决于个协变向量其中，代表转置。当预期值存在，我们可以将分解成个向量函数和个与互不相关干扰变量，如Ⅲ外文翻译ⅢⅢⅢⅢⅢⅢⅢⅢⅢⅢⅢⅢⅢⅢ多元回归模型经验似然比检验作者吴鑑洪，朱力行国籍中国出处高等教育新闻和施普林格出版社，年摘要本文提供了些检验工具，检验多元回归模型，其中包括古典回归模型和时间序列自回归模型。在统计推理中，对于构建检验和置信领域，经验似然比法是个众所周知强大工具。然而，对于模型检验，基于检验单纯经验似然简称并没有现象。因此......”。

8、“.....然后得到个非参数版本定理。此外，利用和检验方法自身有点，基于检验有如下优良特征他们自我尺度不变并且可以检测备择以速度上收敛于零，这对于缺乏拟合度检测来说也许是最快速率他们包括权函数这为我们提供了灵活地选择分数改善功效性能，尤其是方向性备择。此外，当备择不具备方向性，我们建立渐进自由分布最大最小值检验来检验这大类备择。最后，我们进行了模拟研究，并进行了实际数据分析。关键词自回归误差修正经验似然比检验最大最小值检验多元回归Ⅲ引言假设有个响应向量取决于个协变向量其中，代表转置。当预期值存在，我们可以将分解成个向量函数和个与互不相关干扰变量，如。当个响应向量是未知，平均值函数可以根据平均散布误差标准来确定最优值。大多数文献都是致力于对回归函数模型建立和统计分析。种比较流行方法就是假设这个内含模型是属于参数模型体系......”。

9、“.....因为存在着很多竞争模型，所以为了防止得出结论，模型检验是非常重要。对于模型检验，大多数文献资料都是针对维反应向量情况下研究。本文将对其中些成果进行回顾。对模型进行检验判断技术主要有两种，种是局部平滑法，另种是整体平滑法。针对于前者，和提出了基于参数与非参数之间对比来检测存在可能性情况测试方法。参考文献对此做了比较全面分析。，和构造了以正交级数为基础测试，涉及对双变量回归嵌套模型选择。和提出了种自适应性检验。但是，这个检验需要对平均数进行非参数性估算并受到维数影响。为了避免严重维数问题，因此提出了种基于残余标记实证检验，它是全面平滑法种，见参考文献。这种检验不需要非参数平滑，但与高频数方法相比灵敏度要低。另外，和提出了种适应性检验方法在现实中，个协变向量可以同时决定多个响应向量是非常寻常事。比如，在经济和金融里，多元时间序列变越来越有用，吸引了大量学者进行研究详情见参考文献......”。