数据序列中少量异常值（Outliers）的存在会严重破坏传统最优化估计方法的估值性能

这时须采用韧性估计方法才有效。GM估计是解决AR模型参数估计问题的一种比较有效的韧性方法。本文在讨论这种估计方法的同时

着重研究了GM估计辅助方程中待定参数β的求定问题。针对常见情况导出了一套计算β的近似公式

选定了该参数。文中给出了几组计算机模拟例

并与最小二乘法和最大熵分析法的估值结果进行了比较。数值结果表明

当序列中存在异常值时

这两种方法的估值结果严重变坏

但GM估计结果却仍然保持十分有效。 本文还讨论了AR模型的韧性定阶问题

提出一种韧性定阶方法

并给出了计算机仿真试验例。