通过gic准则同时诊断数据变换与异常点

？针对回归分析中异常数据和变量变换相互影响的问题，从变量选择角度，结合模型选择的广义信息准则(gic)与构造变量方法，提出了一类数据变换与异常点的同时诊断方法。该方法同时考虑由是否存在异常点以及是否需要变换所组成的四种备选模型，在某些情况下，既可以减轻异常点对数据变换的强影响，又避免了变换数据对于异常点的掩盖效应.文章通过模拟与实例验证了该方法的有效性，并与文献中的$f$检验法、似然距离诊断法以及$f$方法进行了比较.