【摘要】在高维数据回归问题中,由于数据中往往存在异常值,特别地在一些领域内会出现数据波动异常激烈甚至呈现出厚尾的特性,所以对于这类问题,传统的最小二乘估计很难处理。文章对上述的问题,改进现有的Bayesian Lasso方法,在Bayesian Lasso的Gibbs抽样过程中引入两组潜变量,来模拟模型的随机误差,通过Gibbs抽样以及边缘极大似然法得出参数及潜变量有效的后验分布,提出了一种稳健有效的处理异常值的方法。通过数据仿真以及实例分析,与现有的方法进行比较,结果表明此方法能很好地处理数据中出现异常值以及呈