探究风数据的有效性

在对风数据进行回归分析之前，首先要确保数据是有效的，以使不确定性最小化。有很多统计学工具可以帮助我们更好地评估数据。要成功地估计长期平均风速，首先必须获得合格的长期参考风数据。

风数据有效性分析对于气象站数据尤为重要。因为气象站在多年的观测过程中可能迁址或更换测量仪器，周围环境也可能发生了变化。测风仪器也可能记录一些异常和无效的数据。异常的和特性不连续的数据序列将导致错误地估计平均风速。除了利用风数据时间序列图形来发现异常数据点外，还存在一些统计学方法来判断回归分析中的异常数据。

Cook距离（Cook’s distance)是统计学中用于诊断各种回归分析中是否存在异常数据的工具，由美国统计学家R。Dennis Cook于1977年提出。Cook距离用来表征数据资料中某一条数据记录被剔除在外，由此造成的回归系数变化大小。显然，如果Cook距离过大，那么就表明这条数据对回归系数的计算产生了明显的影响，这条数据就是异常数据，需要仔细考量是否在模型中使用这条数据。残差大的数据点可能扭曲回归分析的结果和精度。

第i条数据的Cook距离为

式中 ——第j条数据在全体数据归回模型上的回归值；(www.xing528.com)

——第j条数据在剔除第i条数据后的回归模型上的回归值；

p——回归模型参数的数量；

MSE（Mean Squre Error)——回归模型的均方误差。

Cook距离仅能确定从统计学的角度值得怀疑的数据点，而不能直接因此而删除该条数据。删除数据可能是很危险的，因为在提高回归相关性的同时，也可能导致数据中重要信息的丢失^[65]。Cook距离的用法因此也存在争议。可以通过D_i曲线判断哪条数据的D_i值显著高于其他数据。