空間自回歸（spatial autoregressive model,即SAR）模型被廣泛應(yīng)用于空間數(shù)據(jù)的統(tǒng)計(jì)建模。在空間數(shù)據(jù)中,異常點(diǎn)廣泛存在,這些潛在的異常點(diǎn)將會(huì)對(duì)參數(shù)估計(jì)以及相應(yīng)的統(tǒng)計(jì)推斷造成較大的影響。因此,針對(duì)此情況建立性質(zhì)更加穩(wěn)定的參數(shù)估計(jì)方法十分必要。穩(wěn)健估計(jì)（robust estimation）是一種當(dāng)觀測(cè)樣本中混入少量異常點(diǎn)（outlier）時(shí),能抗拒異常觀測(cè)影響的參數(shù)估計(jì)方法。當(dāng)樣本中含異常點(diǎn)時(shí),確立一種適合的參數(shù)估計(jì)方法削弱數(shù)據(jù)中潛在異常點(diǎn)對(duì)估計(jì)結(jié)果的影響是我們主要關(guān)注的問(wèn)題。本文依托極大似然估計(jì)的框架,應(yīng)用Huber型損失函數(shù)（Huber’s rho function）構(gòu)造相應(yīng)的估計(jì)方程,得到能夠克服樣本異常點(diǎn)影響的穩(wěn)健化極大似然得分函數(shù),并據(jù)此給出穩(wěn)健化極大似然估計(jì)的表達(dá)式。然后依托Fisher得分迭代法給出穩(wěn)健估計(jì)的估計(jì)方程。通過(guò)模擬,考察了在SAR模型下極大似然估計(jì)與穩(wěn)健估計(jì)在有限樣本下的數(shù)值表現(xiàn)。大量模擬結(jié)果表明,在樣本數(shù)據(jù)含異常點(diǎn)場(chǎng)合下,SAR模型中穩(wěn)健估計(jì)與極大似然估計(jì)相比有更好的性質(zhì)。當(dāng)數(shù)據(jù)中沒(méi)有異常點(diǎn)時(shí),穩(wěn)健估計(jì)和極大似然估計(jì)具有類似的表現(xiàn)。作為... 

【文章來(lái)源】：云南財(cái)經(jīng)大學(xué)云南省

【文章頁(yè)數(shù)】：38 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節(jié) 選題背景及研究意義
    第二節(jié) 文獻(xiàn)綜述
    第三節(jié) 創(chuàng)新之處與文章結(jié)構(gòu)
第二章 模型和主要結(jié)論
    第一節(jié) 模型介紹
    第二節(jié) 穩(wěn)健ML估計(jì)
第三章 模擬研究
    第一節(jié) 模擬設(shè)置
    第二節(jié) 模擬結(jié)果分析
第四章 實(shí)例分析
    第一節(jié) 數(shù)據(jù)來(lái)源
    第二節(jié) 數(shù)據(jù)處理及模型擬合
第五章 結(jié)論
參考文獻(xiàn)
附錄
致謝
在讀期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]混合空間自回歸模型的異常值檢驗(yàn)[J]. 金立斌,戴曉文,石磊.  統(tǒng)計(jì)與決策. 2015(01)
[2]廣義空間模型的異常值檢驗(yàn)[J]. 金立斌,戴曉文,石磊.  系統(tǒng)科學(xué)與數(shù)學(xué). 2014(01)
[3]GARCH模型估計(jì)方法選擇及對(duì)上證指數(shù)的應(yīng)用[J]. 黃達(dá),王漢生.  數(shù)理統(tǒng)計(jì)與管理. 2010(03)
[4]具有一般協(xié)方差結(jié)構(gòu)線性模型的局部影響評(píng)價(jià)[J]. 石磊,陳飛.  數(shù)學(xué)物理學(xué)報(bào). 2007(01)
[5]非平衡單向分類隨機(jī)效應(yīng)模型的異常值檢驗(yàn)[J]. 尹天水,張?jiān)A,何平,楊雪梅,石磊.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(S1)
[6]空間自回歸模型及其估計(jì)[J]. 李序穎,顧嵐.  統(tǒng)計(jì)研究. 2004(06)
[7]雙向分類隨機(jī)交互效應(yīng)模型中均值滑動(dòng)模型的異常值檢驗(yàn)[J]. 石磊,向黎明.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 1996(04)

碩士論文
[1]混合空間自回歸模型中多個(gè)異常值問(wèn)題的診斷研究[D]. 金立斌.云南財(cái)經(jīng)大學(xué) 2014



本文編號(hào)：3163092