首先,对统计量Sn进行计算的算法和步骤为:
(1)根据样本数据X1,X2,…,Xn及式(6.5.1),得到Cn,并由该样本数据得到Copula Cθ的参数估计值θn;
(2)若Copula Cθ具有解析表达式,则根据式(6.5.2)计算出Sn的值,否则,按照后面的步骤得到Sn的值;
(3)若Copula Cθ不具有解析表达式,则首先利用参数Bootstrap法,由估计出的Copula函数产生m个样本,其中m≥n;
(4)得到估计出的Copula函数的m个样本数据以后,利用该样本数据得到的近似值如下:
(5)由上面的式子,得到Sn的近似值如下:
由上述算法可得到检验统计量Sn的值,要得到其对应的p值,则需要借助于参数Bootstrap的方法。利用参数Bootstrap法对p值进行计算的具体算法和步骤为:
(1)利用参数Bootstrap法,对估计出的Copula函数进行重复抽样,重复次数为N,且每次抽样均得到n个样本数据。记第k次抽样得到的样本数据为,其中k∈{1,2,…,N};(www.xing528.com)
(2)对每次抽样得到的样本数据中的每个分量均按照上节中给出的方法,得到其在该次样本数据中的等级Ri,j,将所有分量的等级作为新的样本数据,得到每次样本数据的等级向量,记为;
(3)令,其中i∈{1,2,…,n},再令,u∈[0,1]d,即可得到估计出的Copula函数的样本数据的经验Copula,且对每次抽样得到的样本数据,都估计出Copula函数Cθ对应的参数估计值,记为;
(4)若Copula Cθ具有解析表达式,则令
即为Copula函数每次抽样得到的样本数据对应的检验统计量的值;
(5)若Copula Cθ不具有解析表达式,则首先产生Copula函数的m个随机样本数据,其中m≥n。再令
然后由下式得到每次Bootstrap抽样的样本数据对应的检验统计量的值,
(6)由下式即可得到p值的近似值,
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。