m维AR(1)模型的统计诊断

目的基于统计诊断的影响分析,对m维AR(1)模型的数据点进行了影响分析。方法基于数据删除模型,同时引入广义Cook距离。结果得到二维AR(1)模型的参数估计诊断公式,给出了Cook统计量的计算公式。结论对m维AR(1)模型进行了初步的统计诊断。

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.

修正LIU估计下数据删除模型的强影响分析

在修正LIU估计下对单个数据删除模型进行研究,讨论数据删除模型估计量的性质,得到修正LIU估计β赞MLE(i)与LIU估计β赞LE间的关系,以及预测估计y赞i可由β赞MLE与yi线性表出等性质;同时,本文在前人的基础上推导得到CRi统计量和Cook统计量新的表达形式,并在实例中用Cook距离来识别强影响点,验证其合理性.

具有Rao的协方差结构的增长曲线模型的局部影响分析(英文)

利用关于矩阵的广义影响函数和广义Cook统计量来研究协方差阵为Rao的简单结构时 ,各种扰动形式对增长曲线模型系数矩阵B的极大似然估计的局部影响分析 。

半变系数模型中的异常点分析

研究半变系数模型中的异常点问题,利用轮廓最小二乘法,通过在模型中引入异常点Sl指示矩阵,利用模型的残差平方和与Cook统计量方法,对模型的异常点进行分析.通过数值模拟对所提出异常点分析模型进行验证,数值结果表明模型方法可行有效.

k-d类估计下数据删除模型的强影响分析

在k-d类估计下对单个数据删除模型进行研究,得到原模型β(k,d)与数据删除β(k,d)(i)、岭估计β_k之间的关系,并推导得到CR_i统计量和Cook统计量新的表达形式.

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。

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。

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。

基于约束最小二乘估计的影响分析

研究了一类约束条件下的线性回归模型。首先,用Lagrange乘子法得到了刀切约束最小二乘估计;然后,定义了用于影响分析的Cook统计量,并得到了近似Cook统计量;最后,用算例说明了近似Cook统计量的有效性。

基于改进两参数估计的影响点检测

在改进两参数估计下对单个数据删除模型进行研究,通过对比删除某个观测值前后估计量的变化程度来度量相应观测值的影响程度,并由近似删除公式得到删除某个数据点前后改进两参数估计量间的关系;同时,在前人的基础上推导得到DFFITS统计量和Cook统计量新的表达形式,并在实例中用两种统计量来识别影响点,验证其合理性。

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.

协方差分析模型的影响分析

考虑一般形式下的协方差分析模型的影响分析,分别导出了在模型扰动前后回归系数的LS估计和效应参数的LS解的相互关系,并证明了均值漂移模型与数据删除模型在参数估计上的等价性.利用Cook统计量和协方差比统计量,分别给出了均值漂移模型下回归系数和效应参数的可估函数的估计精度的影响度量.