现代误差理论认为,在科学实验和生产实践所采集的数据中,粗差的出现是不可避免的。为了获得正确的变形分析结果,在变形监测数据处理时需要采用适当的方法对粗差进行探测与剔除。粗差的处理基本上可以分为两种类型：一是先将含有粗差的观测值用统计检验的方式进行剔除,再进行数据处理；二是将含有粗差的观测值视为方差异常,采用稳健估计方法处理,这是将粗差归为随机模型,通过定权来消除粗差对观测结果影响的一种方法。稳健估计的核心是权函数的选取,为此,诸多学者提出了形式各异的权函数,构造了很多不同的稳健估计方法,但这些方法消除粗差的能力是不尽相同的。回归分析方法广泛地用于变形监测数据处理中,它是研究白变量与因变量之间非确定关系的最基本的方法。本文采用基于VC++.NET平台设计的仿真计算程序进行多次仿真实验,分别以一元线性回归、不同总体可靠性和不同网型结构的高程控制网平差为例,对常用的14种稳健估计方法的抗差能力进行比较,确定了几种相对更为有效的方法,以及它们的抗差能力与观测值数量之间的关系。仿真实验结果显示,对于一元线性回归来说,当观测值中包含一个粗差和观测值数量小于等于3、观测值中同时包含两个粗差和观测值数量小于等于5时,各种稳健估计方法都不能消除或减弱粗差对参数估计的影响。当观测值中包含一个粗差时,如果观测值数量为4-6,残差绝对和最小法和Geman-McClure法是相对更为有效的稳健估计方法；如果观测值数量为7-12,所有稳健估计方法都能有效地消除粗差对参数估计的影响。当观测值中包含两个粗差时,如果观测值数量为6-8,残差绝对和最小法和Geman-McClure法是相对更为有效的两种稳健估计方法；如果观测值数量为9-12,残差绝对和最小法、丹麦法、Geman-McClure法和IGGⅢ方案是相对更为有效的稳健估计方法。对于高程控制网来说,稳健估计方法消除粗差的效果和总体可靠性以及控制网的网形结构有关。当观测值中只包含一个粗差时,如果总体可靠性在0.4和0.5之间,残差绝对和最小法和Geman-McClure法能够在一定程度上消除粗差对平差系统的影响；如果总体可靠性等于0.5,残差绝对和最小法和Geman-McClure法能够完全消除粗差对平差系统的影响；如果总体可靠性在0.5和0.6之间,丹麦法和IGGⅢ方案也能够有效地消除粗差对平差系统的影响；而当总体可靠性大于等于0.6时,各种方法都能有效消除粗差对平差系统的影响。当观测值中同时包含两个粗差时,如果总体可靠性小于0.5,则所有稳健估计方法都不能消除粗差对平差系统的影响；如果总体可靠性大于等于0.5,除了形状如大地四边形的高程网,残差绝对和最小法和Geman-McClure法能够较为有效地消除粗差对平差系统的影响。