边界条件下线性回归模型的影响分析

研究带边界约束条件的线性模型的影响问题，提出了几个度量数据影响大小的统计量，建立了影响度量与相关系数之间的联系，揭示了数据影响与相关性之间的内在联系。     

岭估计中的影响度量与相关系数的关系

数据对线性模型的最小二乘估计的影响已有许多研究，但数据对岭估计的影响很少有人研究．吴诗泳和岳珠（ 工程数学学报，１９８９ ，６（１） ：１１５ ～１１９ ．） 研究了剔除一组数据对岭估计的影响．在此，我们继续讨论数据对岭估计的影响，找到了影响度量与相关系数之间的联系，得到了一些有意义的结果．     

一种新的发现偏离模式的线性算法

在分析Arning算法和其改进算法的基础上，提出一种新的发现偏离模式的线性算法．该算法将使数据序列突然发生大幅度波动的数据认作例外．已发现的例外被用数据序列平均值代替，在此基础上进行下一例外的发现．实验证明，该算法克服了例外集对数据次序的敏感性，并且下一例外发现不受上一例外发现的影响，从而可以重加有效的发现数据序列中的例外集．     

多元岭估计下数据联合影响的分解及数据的交叉影响

本文讨论了多重线性回归中数据对多元岭估计的影响。首先给出了度量数据对多元岭估计影响大小的Ｃｏｏｋ距离及其简化形式，提示了强影响点、高杠杆点、异常点间的内在联系；其次讨论了多组数据对多元岭估计的联合影响与其中每组数据对多元岭估计的影响之间的关系，最后探讨了多元岭估计中数据的交叉影响问题，得到了许多有意义的结果。     

岭估计的一个影响度量

提出了预测数据对岭估计的影响一个度量，建立了它与全相关系数的联系，并和岭估计中的ｃｏｏｋ距离作了比较。     

随机约束条件下线性回归模型中的效率度量

估计效率是一个重要的概念．本文把它作为随机约束条件下线性回归模型中的影响度量，研究厂数据对约束模型的影响．     

线性回归模型中自变量变换与强影响点

提出了单个数据或一组数据对线性回归模型中自变量变换参数极大的似然估计影响的诊断方法，并把该方法同Ａｔｋｉｎｓｏｎ的方法作了比较。     

两变量线性关系第三型一种解决方法——在地学中应用的讨论

地学研究经常涉及两变量间的线性回归分析，此类线性关系可有三种情形：（１）ｘ数据的观测误差很小，数据点的离散只与ｙ数据有关；（２）ｘ和ｙ数据都以有观测误差，且数据点的离散仅由观测误差所引起；（３）数据点的离散不仅与观测误差有关，而且还受到其它因素的影响。其中第三种情形在地学中最为常见，但已有的回归分析方法只是针对前两种情形。本文对ＬＮＳ方法进行了改进，使之适用于第三型的回归分析，改进的方法在逻辑上具     

具有典则联系函数的广义线性模型的诊断

本文首先给出了广义线性模型中的Ｋ－Ｌ距离和信息距离，讨论了它们的近似式及其相互关系，据此可用来检测异常点。并结合局部影响分析的思想得到了简易的诊断图，研究了回归变量的重要性以及各个观察数据对它的影响。最后给出了应用实例。     

多元加权线性模型的影响分析

本文针对多元加权线性模型，讨论了一组观察数据对加权最小二乘估计的影响，给出了影响度量准则和它们的化简式及其分布，建立了Ｗ－Ｋ统计量与广义相关系数之间的联系。     

变换数据对约束线性模型拟合值的影响

研究变换数据对约束线性回归模型拟合值的影响问题，提出了Ｗｅｌｓｃｈ－Ｋｕｈ统计量，广义方差比等统计量作为变换对约束ＢＬＵ估计下拟合值影响大小的度量，得到时了影响的上界与下界，同时与广义相关系数建立了一定的联系。     

数据对最佳线性无偏估计的影响问题

本文从预测角度讨论剔除数据对最佳线性无偏估计的影响,得到了一些有意义的结果。     

线性回归模型复相关系数的影响评价

在线性模型中，复相关系数作为模型拟合程序的度量是一个常用的统计量，但它对异常值及影响点是很敏感的，本文用数据删除法及局部影响分析讨论复相关系数的影响点的识别问题，在各种情况下都得了了相应的诊断统计量，最后用一实例加以说明。     

一般线性回归模型最佳线性无偏估计的影响分析

讨论一般线性回归模型的影响分析问题,研究了协方差矩阵扰动和数据删除对最佳线性无偏估计的影响,给出了度量影响大小的距离测度和它的计算公式.     

随机约束条件下线性回归模型中的联合影响

本文讨论数据集对约束模型的影响问题。建立了单组数据影响与两组数据影响之间的关系。引进了一个新的影响度量，并和Ｃｏｏｋ距离做了比较。     

基于Fisher信息阵的局部影响分析

建立了参数空间中以Ｆｉｓｈｅｒ信息阵为Ｒｉｅｍａｎｎ度量的距离，应用到回归模型中，得到了观察数据的影响度量，讨论了方差扰动模型，因变量扰动模型以及自变量扰动模型的局部影响，求出了因变量扰动模型的最大曲率方向，以一个实例与从似然距离出发的局部影响作了比较，结果表明基于Ｆｉｓｈｅｒ信息阵的影响度量是合适的。     

最佳线性无偏估计中的一个影响度量

本文讨论数据的剔除对最佳线性无偏估计的影响大小。用方差比做为判定影响大小的度量，并找到了它与相关系数之间的精确关系。     

关于“Welsch—Kuh统计量与相关系数”的注记

文章[1]的主要结果只给出了一次剔除多组数据对拟合值影响的上界,即[1]中的定理,本文给出了数据对拟合值影响的下界,从而使数据对拟合值影响的大小更明确。     

一对数据的剔除对边界条件下线性模型的影响

文[1]建立了度量数据的剔除对边界条件下线性模型影响的几个统计量,该文主要讨论一对数据的剔除时约束模型的交叉影响,找到了一组数据的剔除与一对数据剔除时影响度量之间的关系。     

高线性数字式电容微位移传感器

设计了一种基于AD7745芯片的数字式的电容微位移传感器，采用屏蔽电缆和电容保护环技术，有效降低杂散电容的影响．采用数据滤波技术对采样数据进行处理，提高了测量的准确性和重复性．实验结果表明：该电容微位移传感器的分辨力为0．01μm，全量程线性度0．05％，性能较传统电容位移传感器有较大提高．