稳健性检验的方法

稳健性检验的主要方法有:

1. 假设检验:主要是检验数据样本是否符合某种理论分布,例如正态分布。常用的方法有Q-Q图、P-P图、卡方检验等。这类方法主要检验原假定理论模型是否适用于数据。

2. 极值检验:主要检验待检数据中的最大值、最小值是否异常。常用方法有Grubbs检验等。这可以检测出liers的存在。

3. 转换检验:将原始数据进行某种单调变换,再使用其他方法进行检验,看转换后的数据是否符合要求。常用的转换方法有Box-Cox变换等。

4. 稳健估计量:构造一些对异常点不太敏感的统计量,以此作为稳健性的判断标准。例如中位数、 trimmed mean、Winsorized mean等。

5. 重抽样方法:多次重抽样得到的统计量进行比较,看其变化是否过大。例如bootstrap方法。这可以评估原统计量的可信度。

6. 影响分析:将某些观测值作为外生变量加入模型,看其对模型结果的影响程度。如果影响很大,则表明原模型可能不太稳健。

7. 标准化残差检验:观察每个观测值对应标准化残差的绝对值,如果较大则可能是优异点。这需要预先构建理论模型。

8. 提督力法:去除每个观测点,重拟理论模型,评估各拟合程度,拟合程度变化较大的点可能是异常点。

所以,稳健性检验的方法比较多,主要目的是检测数据中的异常点和缺陷,评估统计模型或估计量的稳定性,确保其不会受个别极端观测值的过大影响。选择何种方法需要根据具体问题的性质来决定。