论文部分内容阅读
回归分析是一种统计学上分析数据的方法,其目的在于了解两个或多个变量间是否相关、相关方向与强度,并建立数学模型以便观察特定变量来预测、控制研究者感兴趣的变量。经典的线性回归模型理论创立以来,被广泛应用于自然科学与社会科学等许多领域中,并取得许多成果。但是应用回归分析的时候经常存在异常值,这些异常值会直接影响到我们所做的回归模型与现实情况是否能很好地拟合、以及参数估计的精确程度、模型的稳定程度等一系列涉及到回归分析本身的问题。因此,对异常值的诊断和处理是一个兼具理论意义和实际意义的问题。异常值的诊断方法一直备受学者们的关注,但是迄今为止,还没有一种标准或者广泛适用的方法。本文对应用较为广泛的两类诊断异常值的方法——基于LS的和基于稳健回归的诊断方法做了一定的介绍。论文先简要介绍了前一类方法,并对该类方法进行了总结,指出各种方法在应对不同异常值诊断时存在的缺陷,进而引出后一类方法,本文的重点也在于研究回归分析中稳健的异常值诊断方法,通过模拟,研究各种方法在异常值诊断中的效率,并且将几种常用稳健诊断方法的效率进行比较,探讨不同异常值出现的情况下,最为有效的诊断方法。论文共分六部分,首先是绪论部分,主要给出回归分析中有关异常值的综述总结;第二部分主要介绍有关异常值的定义、分类及各种异常值对回归分析结果的影响;第三部分主要讨论目前对回归分析中异常值诊断和处理的方法以及各种方法的适用性和不足;第四部分通过模拟出各种情况的异常值,在简单回归模型和多元回归模型中分别采用常用的几种异常值诊断方法,将各个方法的诊断效率进行比较;第五部分给出真实案例并进行分析;最后介绍本文的结论、不足及未来的工作。