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。