郭建锋，赵 俊

1.信息工程大学理学院，河南郑州450001；2.中国科学院测量与地球物理研究所，湖北武汉430077

1 引 言

为保证测量成果达到设计要求，在完成实测任务后，必须进行测量数据的质量分析。大量研究表明，粗差仅仅占到观测量总数的1%至10%左右。粗差的存在往往对最小二乘（least－squares，LS）估计造成不良的影响，即LS估计的抗差性（robustness，又译为稳健性）非常差［1－12］。

对于工程技术与应用领域而言［2］，抗差性可以理解为统计推断中的敏感度分析理论（或者称为扰动分析、稳定性分析理论）。换言之，抗差性，即估计量抵御粗差影响的能力，表现为平差结果对观测异常的敏感程度［5］。拟合优度检验［5－7］是检验平差成果的一项重要指标。因此，通过对拟合优度检验量进行敏感度分析构造探测与识别观测异常的统计量，具有显著的物理意义。

在粗差探测法中，假定随机模型能够客观反映观测量之间的（相对）精度及统计相关性，把粗差问题归结为函数模型与实际模型的偏离。如果拟合优度检验结果不显著，说明在一定显著性水平上，平差成果达到了要求，可以采纳；否则就表明当前的函数模型不能准确描述观测量之间或观测量与未知参数之间的物理或者几何关系［6，13］。需要指出的是，拟合优度检验虽然能够检验出粗差的存在与否，但却不能探测和准确定位有几个观测量以及具体是哪几个观测量受到了多大量级的粗差污染［13，15］。

在粗差的探测与识别中，通常采用正态检验、学生氏t检验以及τ检验等，而构造相应的统计检验量既可基于局部敏感度指标，亦可基于LS残差。……