论文部分内容阅读
稳健性是数据分析中十分重要的概念,可以说它与数据分析有同样悠久的历史,但百余年来只限于朴素的思想和简单的方法,直到本世纪60年代P.J.Huber和F.R.Hampel等人建立了一套理论才形成稳健统计这一年轻的分支,推动了稳健方法的迅猛发展和广泛应用.
稳健估计是用假设的参数模型对数据进行拟合,并通过调整原假设模型,其拟合效果与潜在的真实模型存在较小的可以接受的偏差,而给出一个更为合理的结果。尤其是,当出现异常点或观测点远离数据的主体,或者误差的实际分布与原假设分布相比出现厚尾时。
本文首先对稳健估计理论进行了简要介绍,在此过程中,对比Huber,Bisquare权函数,分析二者的优点和缺陷,并以此为基础进行一些新的研究和尝试。
本文对稳健估计理论进行了简要介绍,在M-估计与加权最小二乘法的基础上,通过对比Huber,Bisquare权函数,提出将二者的优点进行结合,从而得到一种新的组合权函数,并且对组合权函数进行实证分析。由分析结果可知,组合权函数与Huber,Bisquare权函数相比较,具有更为广泛的稳健性。