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。