平衡单向分类随机效应模型中的多个异常值检验

该文研究平衡单向分类随机效应模型中多个异常值的检验问题. 在基于随机效应上的均值滑动模型下导出了似然比检验统计量, 并给出了其精确分布及水平异常值的检验过程. 在基于观测误差上的均值滑动模型下,利用得分检验统计量给出了多个异常值的检验过程.     

广义空间模型的异常值检验

研究了广义空间模型中单个异常值检验问题.分别在均值漂移模型和方差加权模型下导出了检验统计量的具体形式,并给出了在两种异常值模型下检验统计量的近似分布.最后,通过哥伦布市社区犯罪数据证明了方法的有效性.     

单向分类随机效应模型的异常值检测

本文研究平衡的单向分类随机效应模型中单个异常值的检验问题,在随机效应的异常均值滑动模型下,导出异常值的检验统计量及其精确分析,并证明了该检验的一致最优无偏性,另外,对于误差变量的异常均值滑动模型,提出了一个近似的检验过程,并运用随机模拟给出该检验的临界值表,最后,对一组模拟数据进行说明。     

双向分类随机效应套模型中异常值的UMPU检验

本文就平衡的（Balanced）双向分类随机效应套模型，讨论了主效应均值滑动模型的异常值检验问题，并给出了似然比检验统计量．在零假设及备择假设下导出了检验统计量的分布，证明了检验的一致最优无编（UMPU）性．最后对相关问题进行了讨论．     

Meta回归模型的异常值识别及其修正

基于异常值对异质性参数和回归系数估计同时影响的这一新视角下,文章利用方差加权异常值模型(variance-weight outlier model,VWOM)研究了随机效应Meta回归模型的多个异常值识别及其修正问题。首先,推导出Meta回归VWOM分别使用ML和REML估计方法的Score (SC)检验统计量,并考虑Meta回归VWOM的三种扰动方式,包括全局方差扰动,个体方差扰动和随机误差扰动,证明了三种方差扰动的SC检验统计量是等价的。其次,基于异常值对异质性参数和回归系数估计同时影响的考虑,提出了随机效应Meta回归方差加权异常值修正模型(variance-weight outlier modified model,VWOMM),并给出了VWOMM参数的ML和REML估计迭代算法并进行数值求解。此外,通过随机模拟分析验证了SC检验统计量的尺度和功效。最后,利用两个不同类型效应量异常值识别及其处理的实例分析结果,表明了Meta回归VWOM的SC检验统计量识别效果较为显著,VWOMM能有效改善模型拟合程度,为识别和处理复杂数据的异常值提供了一种新的思路和方法。     

基于极值理论的EXPAR时序模型异常点诊断

本文基于极值理论给出诊断EXPAR模型异常点检验统计量的渐近分布,并依此渐近分布来选取检验的临界值。这种方法选取的临界值可保证控制在一定显著性水平下,而且可以计算渐近p值,比仿真选取的临界值更科学合理。     

约束线性模型异常值检验

本文讨论了带约束线性模型的数据删除模型和均值漂移模型，得到了带约束情况下上述两个模型的统计量之间的关系，建立了相应的异常值检验统计量及性质。     

极值分布和威布尔分布异常数据的检验方法

本文对威布尔分布的极值分布异常数据的检验给出了一系列的方法，首先，导入了极值分布下一般Ｄｉｘｏｎ型统计量的精确分布，同时还给出了改进的Ｇ型统计量，及它们的分位点表。最后本文提出了一个新的统计量；Ｆ型统计量，并用Ｍｏｎｔｅ－Ｃａｒｌｏ模拟的方法给出其分位点表，从而首次给出威布尔分布异常值的直接检验方法。本文进一步讨论了这些检验方法的功效，且表明Ｆ型检验是最优的。     

指数分布样本中异常数据检验的有效性

本文讨论指数样本中异常数据检验的有效性,证明了Fisher型统计量在异常值检验中的某种优良性。用随机模拟方法比较了Fisher统计量,Epstoin统计量和Dixon统计量在指数样本异常值检验中的功效。     

基于pena距离的非线性回归模型的影响分析

基于pena距离统计量对非线性回归模型的影响分析进行了讨论,得到了非线性回归模型的pena距离公式,并对公式的分析性质以及其对高杠异常点的检测作用做出了相应的结论,得出了在一定条件下pena距离对异常点的检测优于Cook距离的结论,特别是对高杠杆异常点的检验,pena距离的效果更加明显,给出了实际数据检验结果,对方法的有效性进行了验证。