外流 swMATH ID: 22356 软件作者： 陈树晓，雅各布·卞 描述： 有效推断纠正异常值删除。众所周知，线性回归模型的普通最小二乘估计对异常值非常敏感。通常的做法是，首先通过查看数据来识别和去除异常值，然后拟合OLS，并在剩余数据上形成置信区间和p值，就好像这是收集的原始数据一样。我们在本文中表明，这种“检测和遗忘”的方法可能导致无效的推断，我们提出了一个框架，该框架适当考虑了异常值的检测和删除，以提供有效的置信区间和假设检验。我们的推理程序适用于任何可以通过响应向量上的一组二次约束来表征的异常值去除程序，并且我们表明，几种最常用的异常值检测程序都是这种形式的。我们的方法基于选择性推理的最新进展（Taylor&Tibshirani，2015），重点是针对变量选择进行推理修正。我们进行了仿真以验证理论结果，并将我们的方法应用于离群值检测文献中考虑的两个经典数据集，以说明我们的推断结果与传统的检测和忘记策略有何不同。配套的R包outerence使用一个接口实现了这些新过程，该接口与R中常用的lm推理函数相匹配。 主页： https://arxiv.org/abs/1711.10635 依赖项： R（右） 相关软件： R（右）;鲁棒基地;fda外部;半标准杆;fda（右）;Wasserstein甘;质量（R）;内特;github;小岛屿发展中国家;StatLib数据集存档;地球;e1071号;RobStatTM公司;群集路径;cov测试;选择性推理 引用于： 7文件 全部的 前5名20位作者引用 2 Vo Nguyen Le杜伊 2 一郎武内 1 苏达贝·阿萨迪 1 阿迪尔·巴吉洛夫。 1 贝伦格·里科，凡妮莎 1 雅各布·宾 1 陈树晓 1 陈一群 1 狄崇之 1 韩方 1 于Inatsu 1 肖恩·杰维尔（Sean W.Jewell）。 1 纳普省卡米萨 1 刘思生 1 纳吉兹·苏尔塔诺娃 1 索纳·塔赫里 1 Toshiaki Tsukurimichi 1 王光兴 1 伊内斯·威尔姆斯 1 丹妮拉·维滕（Daniela M.Witten）。 5篇连载文章中引用 2 统计数学研究所年鉴 2 计算与图形统计杂志 1 生物计量学 1 计量经济评论 1 优化方法和软件 在3个字段中引用 6 统计学（62-XX） 1 数值分析（65-XX） 1 运筹学、数学规划（90-XX） 按年份列出的引文