基于秩次的R类稳健回归.pdfVIP

中国卫生统计2007年12月第24卷第6期 · 565 · 基于秩次的R类稳健回归* 中国医学科学院肿瘤研究所／医院流行病室(100021) 鲍彦平 山西医科大学公共卫生学院(o3o001) 王 彤△匝囹 【提 要】目的 从参数估计、稳健性质、回归诊断应用等方面介绍基于广义秩次的一类稳健回归分析方法一R和GR 估计。方法 在SAS的IML模块下模拟其对非正态误差分布表现、正态误差下的估计效率并进行实例分析。结果 误 差为cauchy分布时，R估计优于LS估计，X空间存在离群值时，GR估计优于R和LS估计，误差为正态分布时，R与CR 估计效率达95％。结论 R和GR估计为是一种估计效率较高的稳健回归方法，其中GR估计可同时避免x和Y空间离 群点。 【关键词】 稳健估计 回归诊断 秩次 经典的线性回归模型最小二乘(LS)估计不满足 R估计函数如下定义： 线性、独立、正态、方差齐四个条件时其统计推断结论 DR( )=∑口(R(r ))( ) 会变得不可靠。针对于此，一些对误差分布要求不太 其中 =Y —z 为残差，R(r )为残差的秩次， 敏感的稳健回归(robust regression)方法被提出用于解 口(R(r ))为残差秩次的得分函数。得分函数n(i)= 决此问题【1J。 (i／( +1))，其中最常用的是Wilcoxon得分函数： 当方差分析的正态性前提条件不能满足时，人们 (U)=√12(U一1／2)。代入上面定义式，得到此估计 引入基于观测值的秩次来建立非参数分析方法，这类 的目标函数为： 对于误差分布要求也具有稳健性的各种“秩和检验”方 法已得到广泛应用，因而当回归分析中面临同样的问 DR( )= ∑[R(Ti)一 ]r 题时，很自然的想到了将该思想扩展到这一领域，于是 对其求极小，可得到相应偏回归系数的Wilcoxon Jackel及以后多位学者逐步提出并完善了一系列基于 R估计值。 秩次的回归分析方法，称为R估计l2．3]。该方法不将 GR估计函数如下： 残差取平方，而是将残差的秩次的某种函数作为离群 D6n( )= lJ y一 IJ = lJ U lJ = 点(outliers)的降权函数引入估计模型，这样可以减小 ∑∑b I“ 一 I，其中“ 为残差，b 为正的对称权 离群点对估计量的影响，从而达到稳健性要求。但注 重函数，b =6 当 b j：1时，该方程就退化为 意到R估计的影响函数(influence function)只在Y空 间上有界，而在x空间上无界，对于非设计后的回归 Wiloxon R估计。 问题还不能有效抵抗x方向上的异常。因此Table— R估计本身可以抵抗Y方向上大约30％的离群 man等人又提出一类GR(Generalized R)估计方法l4J， 点的影响，但对于x空间的异常就要借助选择合适的 该方法将x方向上离中心位置距离的某些函数作为 b 作为权重函数来减小其影响。一般情况下，b 的决 残差的权重函数的一部分，用降权的方法减少了影响 定方法如下： 点对回归估计的作用，其中心是降权函数的选择。这 bi=mini1，Cl／、／h to, 些基于秩次的R类估计不要求误差项服从正态分布， 其中a1=2，hff为某观测点的杆杠值 ，表示x方向上 这一点使它相对于经典的正态误差回归模型具有一定 该点离中心位置的远近，C1为杠杆值的第30百分