多元线性回归中强影响点的判别方法

本文研究了多元线性回归中一组观察数据对最小二乘估计的影响。给出了判别统计量及其分布,进而得到了判别强影响点的方法。     

多重线性回归中数据联合影响的分解及数据的交叉影响

一、引言考虑多重线性回归模型Y=Xβ ε,(1)其中,Y=(y_1,…y_n_)′为 n×p 观察矩阵,X=(x_1,…,x_n)′为 n×(k 1)列满秩设计矩阵,β=(β_0,β_1,…β_k)′为(k 1)×p 未知参数矩阵,ε=(ε_1,…ε_n)′为 n×p 随机误差矩阵,ε_1…,ε_n 相互独立.     

多重线性回归中的掩盖和提升影响分析

本文研究多重线性回归中一个数据点在另一个(或几个)数据点剔除前后对回归分析影响的变化关系.     

不等方差线性模型中的AP统计量与信息比统计量

对线性模型：Y=Xβ ρ，E（ρ）=0,cov(ρ）=σ^2G,G=diag(g1,…gn)，探讨了单个数据点对σ^2的估计-↑σ^2，β的估计-↑β的广义方差|cov-↑β|及Fisher信息阵：σ^2X′G^-1X的影响，给出了度量准则和它的化简式及统计解释。