一、基本了解（一）定义汇总1、稳健性（robustness）是产品对各种噪声的抵抗能力，反应为产品质量特性的变异程度。变异程度小的产品稳健性高。2、噪声噪声是引起质量变异的干扰因素，有三种形式：①外部噪声。比如温度、湿度等使用环境因素。②内部噪声。比如产品在存储和使用过程中发生的材料变质、老化、磨损。③零件间噪声。严格地说，任何两件产品的同一零件都不会完全一样。3、稳定性（stability）当一
转载
2024-02-21 15:29:20
167阅读
抗差估计抗差估计的原理抗差估计是近代测量平差范畴，又名稳健估计（robust estimate），据杨院士说中科院系统喜欢称之为抗差估计，武大喜欢称之为稳健估计。我们的测量值是随机变量，符合正态分布的，如果出现粗差（gross error）的话，我们在应用最小二差或卡尔曼滤波的时候就会使结果偏离真实值（滤波发散）的现象。我们解决粗差或系统误差的时候，可以从两方面去理解，均值漂移或者方差膨胀，抗差估
转载
2024-02-24 11:32:12
182阅读
稳健回归（Robustness regression）最小二乘法的弊端之前文章里的关于线性回归的模型，都是基于最小二乘法来实现的。但是，当数据样本点出现很多的异常点（outliers），这些异常点对回归模型的影响会非常的大，传统的基于最小二乘的回归方法将不适用。比如下图中所示，数据中存在一个异常点，如果不剔除改点，适用OLS方法来做回归的话，那么就会得到途中红色的那条线；如果将这个异常点剔除掉的话
目录在 R 中估计 GARCH 参数存在的问题GARCH 模型基础估计 GARCH 参数fGarch 参数估计的行为结论译后记在 R 中估计 GARCH 参数存在的问题本文翻译自《Problems In Estimating GARCH Parameters in R 》更新（11/2/17 3:00 PM MDT）：我从 R 的金融板块邮件列表收到一位知名金融工具包贡献者——Brian Pete
软件系统的质量属性外部质量因素保持正确性（Correctness）1.确保接收的条件是正确的 分层：假定一个软件系统是分层开发的，每层都要确保自己是正确的，同时假定其调用的低层也是正确的。 2.测试与调试 a)防御式编程 b)证明自己的代码能满足预期要求。保持健壮性（Robustness）1.健壮性是软件系统对异常情况作出适当反应的能力。稳健性是为了确保如果出现某种情况，系统不会导致灾难性的（灾难
转载
2024-04-30 20:01:40
113阅读
调用robustfit函数作稳健回归regress函数和regstats函数利用普通最小二乘法估计模型中的参数，参数的估计值受异常值的影响比较大。robustfit函数采用加权最小二乘法估计模型中的参数，受异常值的影响就比较小。robustfit函数用来作稳健的多重线性或广义线性回归分析，下面介绍robustfit函数的用法。1.4.1．robustfit函数的用法robustfit函数有以下几种
转载
2023-12-25 21:39:52
555阅读
# R语言稳健性检验
在统计学中，稳健性检验是指一种检验方法，用于检验数据中是否存在异常值或离群点对统计结果的影响。R语言作为一种强大的统计分析工具，提供了多种方法来进行稳健性检验。本文将介绍R语言中常用的稳健性检验方法，并给出相应的代码示例。
## 稳健性检验方法
在R语言中，常用的稳健性检验方法包括Huber检验、Tukey检验、M检验等。这些方法通过对数据进行适当的变换或调整，来减少异
原创
2024-04-14 05:22:31
495阅读
RANSAC是一种常用的稳健估计的方法，稳健估计的方法有很多，特别是在大量数据处理中。在机器自动化数据采集过程中，不可避免的有三种误差，粗差，系统误差，偶然误差，分别可以对应三种解决方法获取最优解：无偏估计，有偏估计，抗差（robustness）估计（稳健估计）。 粗差即错误，尽管对于数据预处理之后，粗差仍不可能完全剔除，对于含有少量粗差的最优解的估计通常有两类，三种思路，第一类，将全部数据做为初
# R语言稳健性检验实现指南
## 概述
稳健性检验是统计学中常用的一种方法，用来评估数据对异常值的敏感性。在R语言中，我们可以使用一些包来实现稳健性检验，如`robustbase`和`robust`。本文将介绍如何使用这些包进行稳健性检验，并提供相应的示例代码。
## 流程概览
下面是实现R语言稳健性检验的基本流程：
| 步骤 | 描述 |
| --- | --- |
| 1 | 导入所需
原创
2023-07-20 22:15:22
890阅读
凡是搞计量经济的，都关注这个号了邮箱：econometrics666@126.com所有计量经济圈方法论丛的do文件,微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.之前推荐过“实证应用经济学中的稳健性检验是什么?怎么做？哪些策略呢？”，今天再看一下稳健性检验在文献中的具体做法。稳健性检验考察的是评价方法和指标解释能力的强壮性，也就是当改变某些参数时，评价方法和指标是否仍然对评价结
原创
2021-03-25 22:31:55
10000+阅读
基于Token重演曾经是流程挖掘中合规性检查的标准方法。随着更先进的技术（例如，基于对齐的技术）的采用，基于Token重演被放弃了。Alessandro Berti 和 Wil van der Aalst等人于2019年提出了一种更为先进的Token重演的拟合度评估方法，该方法更快且可扩展，下面我们将详细介绍这一算法。1.背景介绍&n
转载
2024-07-14 10:22:37
54阅读
数学建模数据分析——趋势性检验和平稳性检验在数学建模比赛中，经常需要对数据进行分析和预处理，常见的比如趋势分析（上升/下降/无明显趋势）和突变分析，很多时候靠人的经验观察得出结论，但这是不够严谨的。于是我们通常会采用一些更科学的方法，下面我们就来详细的捋一遍数据分析检验方法： 文章目录数学建模数据分析——趋势性检验和平稳性检验时间序列趋势性检验方法斜率法Cox-Stuart检验法Mann-Kend
转载
2024-02-05 08:44:26
1380阅读
1 平行趋势检验在介绍完DID的基本思想和模型设定后，我们再来说说DID的稳健性检验，也就是要想办法证实所有效应确实是由政策实施所导致的。 所谓共同趋势或者平行趋势，是指处理组和控制组在政策实施之前必须具有相同的发展趋势。 如果不满足这一条件，那么两次差分得出的政策效应β就不完全是真实的政策效应，其中有一部分是由处理组和控制组本身的差异所带来的。如果平行趋势假设成立，那么在政策时点之前，处理组和控
转载
2024-03-11 19:01:19
268阅读
每天记录软件测试基础知识的问题，来源牛客网。用于自己软件测试的巩固。答案是根据自己的理解写出。如有错误，请纠正。1.什么是回归测试？回归测试是程序有问题，拿去修复，然后返回来，那么就需要回归测试，用于验证原有的功能仍然保持正常。2.软件缺陷等级如何划分。软件缺陷等级可从严重性和优先级来划分。严重性：1.致命错误（涉及到本模块和其他模块）。2.严重错误（本模块问题）。3.一般错误（本模块部分功能失常
实证小李-六步法（找数据，想机制，跑基准，稳健性，内生性，异质性） 本次要讲的是-稳健性检验-安慰剂检验通常用于did做实证分析时，其他虚拟政策对y是没有影响的，现在一般采用permute检验，这个命令可以省去很多代码量，具体的视频讲解请移步：https://www.bilibili.com/video/BV1kH4y177VM/spm_id_from=333.999.0.0&vd_sou
# Python 稳健性检验与PSM配对方法
在数据分析和因果推断中，稳健性检验（robustness checks）是至关重要的。稳健性检验能够帮助研究者验证系统性偏误和结果的稳定性。本文将介绍一种常用的稳健性检验方法——倾向得分匹配（Propensity Score Matching, PSM），并通过 Python 代码示例进行说明。
## 什么是倾向得分匹配（PSM）？
倾向得分匹配
一、改变样本范围1. 缩短样本时间如果样本期间内存在某些重大政策可能会影响，可以只选取该政策发生后或发生前的样本进行回归，甚至还可以进行一个组间差异检验。2. 连续样本只选取在样本时间内连续存续多年的企业，例如三年、五年，即保留较为稳定的企业。3. 去除在样本期间内一直为0的样本这个为0可以是解释变量也可以是被解释变量，即该部分样本完全不具备某些特征，不是研究的重点对象。二、变量衡量问题1. 更换
探索 t Statistic的稳健性探索t-statistic 的稳健性 假设有2组数据，x1,…,xm; y1,…,yn。 t-test的假设为两组数据的平均值无差异 即： 令X和Sx为为x数组的平均值和标准差，Y和Sy为y数组的平均值和标准差；则H0的判别式为在H0假设下，参数T符合t-分布（m+n-2自由度）的前提： 1）数组x和数组y都是独立随机样品，符合正态分布； 2）两个群体的标准差相
转载
2024-05-04 19:57:01
57阅读
TSLS，即两阶段最小二乘回归。是用于解决内生性问题的一种方法，除TSLS外还可使用GMM估计。内生变量是指与误差项相关的解释变量。对应还有一个术语叫‘外生变量’，是指与误差项不相关的解释变量。产生内生性问题的原因通常在三类，分别说明如下：内生性问题的判断上，通常是使用Durbin-Wu-Hausman检验（SPSSAU在两阶段最小二乘回归结果中默认输出），当然很多时候会结合自身理论知识和直观专业
转载
2024-05-09 12:44:17
509阅读
9.3使用数据集nerlove.dta，估计以下模型：其中，，，，与分别为电力企业的总成本、总产量、小时工资率、资本使用成本、燃料价格的对数。（1）使用稳健标准误，对方程进行OLS回归（2）计算VIF，是否存在多重共线性？（3）使用拟合值进行RESET检验，是否遗漏了非线性项？（4）在方程中加入lnq的平方项，重新进行回归（5）再次使用拟合值进行RESET检验，是否还遗漏了非线性项？（6）再次计算
转载
2024-05-13 20:16:42
4251阅读
