Robust稳健回归结果解读：异常值下的可靠估计方法.docxVIP

Robust回归分析结果解读

一、方法概述

Robust回归（稳健回归）是针对经典最小二乘回归在存在异常值时估计结果偏误问题而提出的一种改良回归方法。传统普通最小二乘法（OLS）对异常观测值极为敏感，少数极端数据点即可导致回归系数发生较大偏移，进而影响统计推断的可靠性。Robust回归通过赋予不同观测值以差异化的权重，降低异常值对参数估计的影响，从而获得更为稳健的回归结果。该方法主要适用于两种场景：一是数据中明确存在异常值或离群点时进行回归分析；二是对已有回归结论的稳定性进行验证和考证。本研究采用SPSSAU软件进行Robust回归分析（M估计法），以x1、x2、x3、x4、x5为自变量，y为因变量，样本量为280。

在SPSSAU【计量经济研究】模块选择【Robust回归】，将变量拖拽至右侧对应分析框，操作如下图：

二、样本数据情况

在进行Robust回归分析之前，首先对样本数据的完整性进行考察。如下表所示，本次分析共纳入280个有效样本，无缺失值被排除，所有样本均完整进入模型分析。

三、Robust回归分析结果

采用M估计法对数据进行Robust回归分析，将x1、x2、x3、x4、x5作为自变量，y作为因变量纳入模型。回归分析结果如表2所示。模型整体拟合指标R2为0.448，调整R2为0.438，表明自变量可以解释因变量y约44.8%的变异。模型整体F检验结果为F(5,0)=4