简介:统计建模和统计检验是统计分析中极为重要的内容,它们往往都要求样本数据满足一定的条件。比如,统计建模是以服从某种概率分布的样本观测数据为基础,通过估计得到的;统计检验要求样本数据满足随机性、独立性、正态性、方差齐性等条件,并且要验证待处理的样本数据是否满足这些条件,只有满足要求的条件,得到的结论才是有效而可靠的。当条件不满足时,需对待处理的原始样本数据进行适当的变换。这些工作对统计分析具有十分重要的作用,却被以往的研究所忽视,本文拟对与此相关的问题作进一步的探讨。一、ARMA模型对数据序列的平稳性要求条件及其数据变换ARMA模型是时序模型中最常用的模型,并在统计模型中占有重要的位置。建立ARMA
简介:所谓奇异点,粗略的说,就是游离在众多的点群之外,明显的偏离了回归直线的一个点或者是几个点。在经济计量学的学习中,我们会经常遇到奇异点的问题。这个时候在采用最小二乘估计法拟合直线时,要特别注意处理奇异点的方法。因为,对于最小二乘法而言,每一个离差的损失是该离差的平方,要使总离差平方和最小,必然会给奇点以相对较高的权重,过多地强调了拟合直线和这些奇异点的关系,在图形上表现为拟和的直线明显地偏向了奇异点。据此做出的决策,可能会和实际情况有相当大的差距,正是由于这样的原因,所以我们面对奇异点的时,如何正确地应对就显得至关重要。在实际工作中,情况层出不穷,变化繁杂,笔者以为,要想正确地处理奇异点,首先要分析其产生的原因,然后再根据具体情况深入地进行分析,灵活应对。