变系数模型中稳健估计方法的比较和应用

摘要

目的 在变系数模型中比较七种常见的稳健估计方法与最小二乘法的表现,为变系数模型中估计方法的选择提供依据.方法 通过R软件随机模拟,以变系数模型产生数据并对其进行污染,比较稳健估计方法和最小二乘法估计结果的偏差、方差、均方误差以及积分均方误差的差异.结果 当数据存在扰动时,尤其是存在X方向上的异常点时,M-Huber、最小绝对离差(least absolute deviation,LAD)估计、MM以及R这几种稳健方法的四项指标几乎都小于最小二乘法,其中,MM表现最好.而最小截断平方法(least trimmed squares,LTS)、最小中位数平方法(least median ofsquares,LMS)以及S由于在R软件中稳定性较差,并不适用于变系数模型.结论 在变系数模型中,当有异常点存在时,采用MM估计能得到更加准确的结果.