线性模型中回归参数影响地分析.pdfVIP

jE 塞 窒 遣 太 堂 亟 ± 堂 僮 途 塞 曼I 直 1引言 统计诊断是近30多年迅速发展起来的一门统计学分支。它以强烈的应用背景、 新颖的统计思想、广泛的研究内容和丰富的实际成果在广大统计工作者面前展现 出一个理论与应用紧密结合的崭新领域。顾名思义，统计诊断就是对实际问题中 得到的数据和提炼出的模型以及推断方法中可能存在的“毛病”进行诊断，并提 出相关的“治疗措施。大量的理论研究和应用实践使人们对统计诊断的意义和 价值有了肯定而明确的认识，现今已广泛应用于各种统计问题和统计模型，并被 编入通用软件包，成为统计学使用过程中不可缺少的一个重要步骤。 影响分析是统计诊断中十分活跃的分支，其研究内容和方法近年来仍然在不 断的发展和开拓。从目前来看，影响分析的内容大致可分为两个方面：第一，数 据点的影响分析。主要研究特定的某几个，特别是某一个数据点对于统计分析的 影响。这是影响分析的重点，也是最有实用价值的部分。本文就是结合一般线性 模型研究这方面的内容。第二，广义的影响分析。主要研究当模型有微小扰动时， 对于统计推断的影响。通常可把扰动问题归结为与模型有关的若干具体因素所产 生，如均值的漂移、方差的扩大、自变量的改变等。易见，可以把删除一个或几 个数据点看成一种特殊的扰动方式，因此数据点的影响分析可以视为广义影响分 析的一部分。 线性模型的参数估计问题的研究可以追溯到上世纪初，著名数学家 地位。但当X呈病态时，最小二乘估计表现出不稳定性，线性有偏估计是针对病 有偏估计，称为岭估计。其基本思想是在设计矩阵计算中引入一个偏参数，通过 对此参数的合理取值来消除由于复共线性带来的估计误差。 Cook于1977年提出了度量影响的统计量Cook距离，从此众多国内外学者致 力于影响分析的研究。于义良讨论了在线性回归模型中约束条件下最小二乘估计 的影响，田保光讨论了一般线性模型下岭估计的影响分析，史建红讨论了约束线 性回归模型下的条件岭型估计。对协方差阵扰动模型的Cook距离和Welsch—Kuh 统计量的分析和推广至多元协方差阵扰动的岭估计影响分析，也是近年来发展的 热点。 受以上启发，本文阐述了度量影响的基本统计量，归纳总结了目前对最小二 乘估计和岭估计的影响分析现状，利用矩阵分析和特征值的性质，将数据删除模 型中删除数据对估计量的影响推广到带约束的广义条件岭估计中，使其应用范围 更加广泛。提出了新的条件广义岭估计，并得到影响的上界，同时建立了约束 We厶ch—Kuh统计量和相关系数之间的联系。 2 2预备知识 2．1基本概念 矩阵是研究线性模型最基本的工具之一，为此，我们介绍一些后文要用到的 一些结论。首先允绍本文中常用的一些符号： 彳r(彳’) 矩阵彳的转置矩阵 A≥0 矩阵彳是非负定矩阵 A≥B 即彳一B≥0 ∥ 矩阵A的Moore—Penrose广义逆 彳一 矩阵A的减号广义逆 尺(彳) 矩阵彳的秩 tr(A) 矩阵4的迹 ∥(彳) 矩阵彳的列向量生成的子空间 只 矩阵A的正交投影阵 A∈如．。 A是mx?t的实矩阵 f似) A的特征根 本文所讨论的矩阵皆为实矩阵。 假设一下有关 和式求逆公式设4为，l阶方阵，M，Ⅳ分别为，l×P和pxn阶矩阵， 的逆矩阵存在，则有 (2．1．1) (彳+㈣一=A～一A_1M(，+NA叫M)_1NA-1 推广可得 (xrX—xfx,)～=(xrx)～ (2．1．2) +(xr彳)．1矸(i-五(xrx)-1矸)-1五(xrx)_1