摘要
由于空间数据的相依特性,使得通常的删除点诊断异常值的方法不适合采用。为了寻找数据中的异常点和影响点,采用局部影响分析技术,通过引入扰动的方法来发现影响点,最后通过实例说明局部影响分析技术能够有效地发现模型中可能的影响点,并且能够揭示更多的细节信息。
Spatial autoregression model is one of the commonly used models in spatial data analysis. Due to the complicated dependence structure in the spatial data, the delete - points diagnostics procedure is not suitable for spatial model. In this article, we use the local influence tech to find outliers and influence points in spatial data. An empirical application example is also given to demonstrate powerfulness of our method.
出处
《统计与信息论坛》
CSSCI
2008年第9期5-8,共4页
Journal of Statistics and Information
基金
国家自然科学基金项目<生物医学中的统计方法研究>(10431010)
教育部重点基地重大项目<空间统计学及其应用研究>(05JJD910001)
关键词
局部影响
空间自回归模型
异常点
影响点
local influence
spatial autoregression model
outliers
influence points