基于M估计的线性回归模型的统计诊断.pdfVIP

2014年第 4期 牡丹江师范学院学报 (自然科学版) NO．4，2014 (总第 89期) JournalofMudanjiangNormalUniversity TotalNO89 基于M估计的线性回归模型的统计诊断 崔立功 (江苏财经职业技术学院，江苏 淮安 223001) 摘 要：将Huber函数引入线性回归模型的对数似然函数中，应用迭代法得到参数的稳健估计 (M估计)， 并用基于数据删除模型得到的诊断统计量进行数据的实例分析 ，证明方法的有效性． 关键词 ：Huber函数 ；稳健估计 ；CDM；M 估计 [中图分类号10731．1 [文献标志码]A [文章编号]1003—6180(2014)04—0005—02 线性 回归模型的参数估计是统计推断的一个 就可 以增强其稳健性 ，从而限制异常值的影响．用 重要分支，而传统的极大似然估计易受极端值影 Huber函数来代替这个二次函数． 响，估计值的精确性减弱 ，后续影响一系列的统计 C， 当 ￡一C时 分析结果．为了消除或者减少异常点对估计 的影 响 ，可 以采用稳健估计．M 估计是 目前应用最广 J0(￡)一 当lel≤c时 泛的稳健估计方法 ，对于线性 回归模型稳健估计 研究都集中在算法和其稳健性上 ，将 M估计引入 线性 回归模型 ，并基于 M 估计进行统计诊 断．文 其 中，C为 固定常数 ，通常取 C∈LO．7，2_J，本文取 献[1]研究了线性 回归模型的异方差检验，本文主 c一 1．345，对 ．0(￡)求导有 要研究个体数据删除统计诊断问题． ，●，一，●●●●●●●●一(21●●●●●●●●●l C e 一 f—C， 当 ￡一c 1 模型的介绍和参数估计 ￡ ， ～ 一 1—2 )= 一{e，当IeI≤c 【c， 当 ￡ C 本文研究的线性模型为 1—2 ， Y===邵 +e． (1) 因此 ，(3)式 的稳健形式为 其 中，Y一 ( ，Y ，… ，Y)为观测变量，X为 × r／(O)===一 kln(27r)一@kln一∑O(e)．(4) (P+1)阶的设计矩阵 ，其第 i行为 ．zrf一 (1， ， … ，z )．卢一 (po， ， …， )为未知 回归系 其中，志一 (1eI≤c)的相合修正因子． 数 向量．e一 ( ，e。，… ，e) 为随机误差 向量．假 下面根据 (4)式 ，应用迭代法对参数 ( 同 设 e服从期望为 0，方差为 。的正态分布 ，记为e 理可得)进行稳健估计 ，关于 ，有 ～ N(O，。)，则模型 (1)对应的分量为 一 z T --(t—z )]， ∑ … Y 一 + e (i一 1，2，… ，)． (2)