具有AR(1)误差的非线性随机效应模型中自相关系数的扰动诊断

随机效应模型广泛应用于刻画重复测量数据的特征,Banerjee和Frees[1]用Cook距离,Lesaffre和Verbeke[2]用影响曲率分别对线性随机效应模型进行了分析.本文利用影响曲率对具有AR(1)误差的非线性随机效应模型中的自相关系数扰动进行了分析,得到了影响曲率的表达式,并且利用血浆药物渗透数据(Davidian和Gillinan[3])来说明分析方法的应用.

AR-ARCH模型的局部影响分析

研究一次性探测出对AR-ARCH模型有较大影响的点.局部影响分析是近年来发展起来的识别数据强影响点的一种新方法.引入局部影响分析方法对AR-ARCH模型进行了初步的局部影响分析,得出了影响曲率的具体计算公式,并用数值实例说明了方法的有效性.本文的方法对于AR-ARCH模型中强影响点的探测有一定的优势.

时间序列的局部影响分析

目的研究时间序列模型中一次性探测所有异常点和强影响的方法。方法局部影响分析方法。结果时间序列模型中各数据点之间存在着一定的相关结构,这种相关结构使得异常点和强影响点产生的机理及相应的分析变得复杂。克服了数据删除对时间序列样本数据相依性的破坏和忽略。得出时间序列模型影响曲率的具体计算公式,从而可以一次性探测出所有的强影响点。最后给出了具体的数值实例,说明了文中结论的有效性。结论此方法可以一次性探测出所有的强影响点,与数据删除法相比,大大简化了计算量。

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。