线性回归中多个异常点的诊断

在线性回归模型的诊断分析过程中，针对多个异常点存在时可能发生的掩盖现象，本文简单地分析了应用经典诊断量时存在的问题，介绍了各种顺序剔除方法及稳健回归方法的一般情况，并对各种方法的效能进行了简要的讨论。

线性回归中多个异常点的稳健诊断及医学应用

目的：本研究试图解决多个异常点情况下经典回归诊断方法中存在的掩盖现象。方法：采用ＬＭＳ与ＭＶＥ估计后求得的残差与稳健的马氏距离作为诊断量，且均以重复抽样算法实现。结果：该法得到的诊断量明显优于传统方法，且可作出直观的诊断图示。结论：此法可有效地克服医学回归数据诊断中的掩盖现象，值得推广。