计量视角下离群值识别法的研究综述与展望
2023-08-26范兴宇杨阳
赤峰学院学报·自然科学版 2023年7期
关键词:模型
范兴宇 杨阳
摘 要:随着大数据时代的到来,样本数据的容量日趋增大且内容愈发复杂,对实证研究的准确性形成了巨大挑战,而计量领域内基于样本数据的离群值识别和处理会减少实证研究中的偏差,有效提升其研究的准确性。本文梳理和评述基于不同类型样本数据模型和估计的离群值识别法,继而提出未来研究的展望。
关键词:离群值;模型;估计;时间序列;面板数据
中图分类号:O212 文献标识码:A 文章编号:1673-260X(2023)07-0004-06
1 引言
目前,对离群值的识别和处理的课题一直备受学者们关注,这是因为离群值会大幅恶化基于模型和估计的实证结果,使其出现严重的偏差和错误的预测。目前,离群值最常用的识别和处理方法有简单去除法和缩尾处理法。简单去除法是学者们根据数据本身的特征和直观意识来判断,将那些极值点(离群值)直接去除,以得到更稳定更有效的实证结果,但从统计学角度来说,该处理方式会对估计量造成较大偏差。另一种常用方法为缩尾处理法[1]。学者们用样本数据分位数的值替代极值点而不是直接去除,但这种对原始数据进行随意修改的方法会过多或过少的考虑离群值对实证结果的影响,使实证结果的误差更大。虽然学者们提出了很多离群值识别法,但仍未有获得学术界广泛认同的识别法,本文认为可能的原因是离群值的定义不同或离群值的识别方法不同。
对于离群值的定义[2],包括描述性定义和定量性定义。……
登录APP查看全文