基于MRCD估计的高维稳健因子分析方法及应用研究

因子分析是常用的多元统计分析方法之一,其思想是根据变量间的相关关系求出少数几个主因子,利用这些主因子描述原始变量。传统因子分析方法具有不稳健性,如果数据存在离群值会得到不合理的结果。虽然基于MCD估计的稳健因子分析具有良好的抗干扰性,但是MCD估计的精度会随着维数的增加而不断降低,在维数大于样本量的情形下,该方法甚至会失去有效性。为了对高维数据进行有效的因子分析,本文提出基于MRCD估计的高维稳健因子分析方法。模拟分析的结果表明,在高维数据下,相较于传统因子分析以及MCD稳健因子分析,MRCD高维稳健因子分析能够很好地抵抗离群值的影响,得出更为合理的结论。本文在实证分析部分对11个沿海省份进行研究,结果显示MRCD高维稳健因子模型能够有效地得出高维数据的因子分析结果;沿海各省份经济增长质量发展不平衡,上海、广东经济增长质量发展得较好。

高维稳健Hotelling T^(2)控制图的研究与应用

控制图是统计过程控制中最广泛使用的技术之一,主要通过检测异常或失控的行为监控生产质量.传统Hotelling T^(2)控制图具有不稳健性,对存在异常值数据的监控效果不够理想.虽然基于MCD估计的稳健Hotelling T^(2)控制图能够更好地抵抗异常值的影响,但是MCD估计的精度会随着维数的增加而降低,在维数大于样本量的情形下,不仅T^(2)统计量无法计算,MCD估计方法也会失效.因此本文提出基于MRCD估计的高维稳健Hotelling T^(2)控制图,以实现对产生高维数据过程的有效监控.模拟实验和实证分析的结果表明,基于MRCD估计的高维稳健Hotelling T^(2)控制图的监控效果更优,能够很好地抵抗异常值的影响,极为有效地对过程中的异常情况发出警报.