数据矩阵条件指数的局部影响分析

以广义影响函数和广义Cook统计量为工具,考察对数据矩阵同时进行微小扰动在条件指数上产生的局部影响,导出了寻找条件指数最大影响方向的计算公式,并用一个实例说明该方法的应用.

自协方差函数的局部影响分析

引入广义影响函数及广义Cook统计量,对AR(1)模型的自协方差函数进行扰动分析。运用局部影响分析方法,克服数据删除对时间序列样本数据相依性的破坏和忽略,可以一次性探测出对自协方差函数有较大影响的点。

非线性测量误差模型的影响分析(英文)

本文对非线性测量误差模型给出了统一的诊断方法,并证明了数据删除模型与均值漂移模型的等价性,由此出发得到了Cook距离、残差、杠杆值等诊断统计量.本文还讨论了非线性测量误差模型的局部影响分析,并给出了一个具体应用实例.推广了Zhao & Lee(1995)的结果.

半参数非线性模型中的t-型估计和影响分析

给出半参数非线性回归模型的t-型估计及其EM算法,同时获得估计的相合性及渐近正态性.并基于EM算法中的Q函数,研究了半参数非线性回归模型的统计诊断方法.最后,用一个模拟例子和一个实际例子验证了本文提出的t-型估计和诊断方法的有效性.

具有一般协方差结构线性模型的局部影响评价

该文讨论了具有一般协方差结构线性模型的局部影响分析问题．通过对广义Cook统计量中M／c的适当选取,文章给出了一种对扰动的参数变换具有不变性质的局部影响度量,在具协方差扰动模式下,该文给出了回归系数和方差系数估计、最佳线性预测的局部影响诊断统计量．该结果与数据删除法进行了比较,并通过实例进行了分析和说明．

SV模型局部分析的稳健性研究

随机波动(SV)模型是一种重要的具有隐性波动的时间序列模型。本文在对SV模型进行Cook局部影响分析的基础上,探讨方法对参数估计精度的稳健性,从而评价局部影响分析方法应用在时间序列模型的优劣。

半参数非线性再生散度混合效应模型的参数估计和影响分析

本文把随机效应看作缺失数据并利用P-样条拟合非参数部分,应用MCNR算法得到了半参数非线性再生散度混合效应模型的未知参数的估计,同时利用Q函数得到了模型的广义Cook距离。此外,本文还研究了三种不同扰动情形的局部影响分析,得到了相应的影响矩阵。最后,通过模拟和实例验证了本文所提出的估计方法的有效性。

半变系数再生散度混合效应模型的影响分析

本文把随机效应看作缺失数据并利用P-样条拟合非参数部分,应用Monte Carlo EM 加速算法得到半变系数再生散度混合效应模型的未知参数的估计,同时利用Q函数,得到了模型的广义Cook距离。此外,本文还研究了三种不同扰动情形的局部影响分析,得到了相应的影响矩阵。最后,通过一个实际例子验证了所提出的诊断统计量的有效性。

线性模型基于M估计的统计诊断与影响分析

为了克服实际观测数据与既定模型之间可能存在的较大偏离,目前有两种常用的处理方法:稳健统计与统计诊断。M方法是最重要的稳健统计之一,也是线性回归分析中是最受重视和研究成果最多的方法之一。所以本文结合M估计方法分析数据的统计诊断,从而得到异常点或强影响点。本文给出了参数估计偏离的表达式及几个诊断统计量,最后通过两个实例验证了本文所提方法的可行性。

带有漂移项的随机游走时间序列单位根检验的影响分析

对带有漂移项的随机游走时间序列单位根检验模型进行影响分析研究,使用数据删除法(case deletion)和局部影响分析(local influence)给出了单位根检验中的DF检验的影响度量。最后使用模拟数据比较两种方法在探测强影响点上的优劣。

最小二乘回归中的局部影响评价

本文就最小二乘回归模型，利用广义影响函数及广义COOK统计量[1]的方法，研究了模型中的某一部份发生微小扰动时相关统计量的局部影响评价问题。这一方法不依赖于模型的似然假设。所得结果与COOK[2]的方法进行了比较。我们研究并导出了回归系数的最小二乘数估计，预测估计及参数函数估计的局部影响度量，并与数据删除法及导数法进行了比较，最后，用两个实例进行了说明。

Poisson-Lindley回归模型基于EM算法的诊断分析(英文)

利用EM算法研究了来自于Lindley分布权重的混合Poisson模型,即Poisson-Lindley回归模型,从而利用基于完全数据似然函数的条件期望进行统计诊断和局部影响分析,得到了几个有用的诊断统计量,并用一个数值实例说明了所得统计量的有效性.

单位根检验问题的影响评价

对时间序列单位根检验模型进行影响分析研究,使用数据删除法(case deletion)和局部影响分析方法(local influence)对单位根检验中的DF检验统计量进行影响评价研究,最后使用模拟数据比较两种方法在探测异常值和影响点上的优劣。

随机波动模型的局部影响分析

在期权定价问题中,有一类反映隐性不可观测波动的时间序列—随机波动(SV)模型.在一定条件下对其序列影响点进行识别:对SV模型的参数应用伪极大似然估计方法进行估计,并在此基础上应用Cook的局部影响分析方法,对其强影响点进行识别,并通过模拟实例,对其影响点识别的效果进行说明.

线性模型中基于稳健诊断的局部影响分析(英文)

在线性回归模型的局部影响分析中,通过用具有高崩溃点的稳健估计替代局部影响分析诊断统计量中投影矩阵的方法,给出了一种有效识别影响点的方法.实例分析说明,该方法对高杠杆点及掩盖效应具有较好的识别效果.

半参数非线性模型的统计诊断与影响分析

本文系统研究了半参数非线性回归模型的统计诊断与影响分析方法；得到了一系 列诊断统计量．两个实际数值例子验证了本文给出的诊断方法的有效性．

半参数广义线性混合效应模型的影响分析

本文把随机效应当作是缺失数据并利用P-样条拟合非参数部分,从而得到了半参数广义线性混合效应模型(GPLMM)的MCNR估计算法;同时利用Q-函数,我们得到了模型的参数部分的广义Cook距离以及非参数部分的广义DFIT,此外,本文还研究了四种不同扰动情形的PLMM的局部影响分析,得到了相应的影响矩阵,最后,我们通过—个实际例子验证了所提出的诊断统计量的有效性。