专业词条 - 词条分类 - 公卫百科

广义M 估计-统计

广义M 估计（generalized M-estimation），指扩展了M 估计的统计方法，通过引入更灵活的权重函数和损失函数，进一步提高对异常值的鲁棒性。适用于复杂数据结构和多种分布类型，提供更广泛的稳健估计。广泛应用于经济学、金融学等领域，增强模型在非标准数据条件下的稳定性和准确性。 ...

定义

图基估计-统计

图基估计（Tukey estimation），又称“Tukey 估计”，指一种使用中位数和中位绝对偏差来稳健地估计参数的统计方法，对于受到异常值影响的数据具有较强的抵抗力。

定义

安德鲁估计-统计

安德鲁估计（Andrew estimation），又称“Andrew 估计”，指用于处理异方差问题的统计方法，通过引入权重函数来对样本观测值进行加权，提供对回归系数的一致和有效的估计。

定义

双权数估计-统计

双权数估计（bisquare weight estimation），指根据未加权拟合的残差进行稳健地加权，删除极端离群点，降低轻度离群点权重，使得在异常值的情况下依然能够产生可靠的回归参数估计。

定义

休伯估计-统计

休伯估计（Huber estimation），又称“Huber 估计”，指结合最小二乘法和绝对偏差的稳健估计方法，通过调整损失函数来减少异常值影响。在小偏差时采用平方误差，在大偏差时采用绝对误差，提供平衡的估计精度。适用于存在离群点的数据集，提升模型的鲁棒性和可靠性。广泛应用于统计学、经济学等领域，确保参数估计的稳定性。 ...

定义

M 估计-统计

M 估计（M-estimation），指通过最小化损失函数对参数进行稳健估计的方法，广泛用于处理含有异常值或非正态分布的数据。利用加权残差的和，减少极端值对估计结果的影响，增强模型的鲁棒性。适用于回归分析和其他统计模型，提供对传统最小二乘法的改进，确保结果在数据异常情况下的可靠性。 ...

定义

L 估计-统计

L 估计（L-estimation），指基于线性组合顺序统计量的估计方法，通过对样本数据排序后进行加权平均，提供稳健的参数估计。适合处理非正态分布或含异常值的数据，减少对极端值的敏感性。广泛应用于稳健统计和非参数统计，支持在不确定性和数据偏离假设条件下的可靠分析，提升估计的鲁棒性和解释性。 ...

定义

R 估计-统计

R 估计（R-estimation），指基于秩统计量的估计方法，通过利用数据的秩信息而非具体数值，提供对参数的稳健估计。适用于处理异常值或非正态分布数据，减少对分布假设的依赖。广泛应用于稳健统计和非参数统计中，增强模型对数据异常和分布偏离的抵抗力，确保估计结果的可靠性和解释性。 ...

定义

过失误差敏感度-统计

过失误差敏感度（gross error sensitivity），指评估统计模型对误差或异常值敏感程度的指标，反映模型在数据偏离假设时性能下降的程度。高过失误差敏感度意味着模型对误差的抵抗力较弱，可能导致结果不稳定。用于比较不同模型的稳健性和可靠性，帮助选择适合处理不确定性和异常数据的分析方法。在统计学和机器学习中广泛应 ...

定义

影响函数-统计

影响函数（influence function），指用于衡量单个观测值对统计估计量影响的工具，描述估计量对数据微小扰动的响应。通过影响函数分析，评估估计方法的稳健性和敏感性，识别异常值或高杠杆点对结果的影响。在稳健统计中广泛应用，支持改进估计方法的设计，确保模型在异常数据或误差下的可靠性。 ...

定义

崩溃点-统计

崩溃点（breakdown point），指衡量统计估计方法对异常值抵抗能力的指标，定义为导致估计失效所需的异常值比例。崩溃点越高，方法的稳健性越强，能够抵御更多的异常值影响。用于评估估计量在数据异常或污染情况下的可靠性。广泛应用于稳健统计分析，帮助选择适合处理噪声和异常数据的模型。 ...

定义

方差加权模型-统计

方差加权模型（variance-weighted model），指通过对观测数据进行方差加权，以提高模型预测精度和稳健性的统计方法。分配较高权重给方差较小的观测值，减少噪声对模型的影响。常用于加权最小二乘法和组合预测，适用于异方差性或数据质量不一致的情境，增强模型对不确定性和异常值的抵抗力。 ...

定义

均值漂移模型-统计

均值漂移模型（mean-shift outlier model），指一种基于密度的聚类算法，通过找到数据集中局部密度最大值，从而识别数据中的聚类中心。

定义

似然距离-统计

似然距离（likelihood distance），指用于衡量两个统计模型之间差异的指标，通过比较各自的似然函数值来量化模型与数据的拟合程度差异。常用于模型选择和假设检验，帮助判断哪个模型更适合描述数据。适合在复杂模型或大数据集的背景下应用，广泛用于统计学和机器学习中，提供对模型优劣的定量评估。 ...

定义

安德鲁-普雷吉邦统计量-统计

安德鲁-普雷吉邦统计量（Andrew-Pregibon statistic），又称“Andrew-Pregibon 统计量”，指用于识别对回归模型结果产生较大影响的观测值，通过检测剔除某个观测值后对模型参数估计的影响来评估该观测值对模型结果的影响程度。

定义

DFFITS 统计量-统计

DFFITS 统计量（difference in fits statistic），指用于衡量回归分析中单个观测点对模型拟合值影响程度的指标，反映删除该观测后预测值的变化。 DFFITS 绝对值越大，表明该点对模型的影响越显著，需结合库克距离等指标进一步诊断是否为强影响点。 ...

定义

库克距离-统计

库克距离（Cook's distance），又称“Cook 距离”，指一种用于衡量数据集中的个别数据点对回归模型拟合结果影响程度的统计量，该值越大，表示该数据点对回归模型的拟合结果产生的影响越大。

定义

强影响点-统计

强影响点（influential point），指回归分析中对模型参数估计或预测结果具有显著影响的观测点，其存在可能大幅改变回归线的斜率、截距或拟合优度。这类点通常兼具高杠杆值（自变量 X极端）和异常残差（因变量Y 偏离预测）特征，可通过库克距离、DFFITS 或 DFBETAS 等指标量化其影响程度。 ...

定义

高杠杆点-统计

高杠杆点（high leveragepoints），指回归分析中自变量（X）取值极端、远离数据中心的观测点，其杠杆值显著高于平均水平。这类点可能对回归系数的估计产生较大影响，但若因变量（Y）合模型预测趋势，则未必导致模型偏差。高杠杆点需结合残差分析判断其实际影响，常用杠杆值阈值进行识别。 ...

定义

异常值-统计

异常值（outlier），又称“离群值”，指与大多数观测数据有显著差异的数据点。

定义