关于金融模型的统计推断的研究已经有相当长的一段时间,并且产生了许多较为成熟的理论。然而将统计诊断的方法引入对金融模型的研究无论是在国内还是国外都是比较少见。目前运用到金融学领域的统计诊断方法仅限于时间序列诊断,而且关于时间序列诊断的理论尚不成熟。将回归诊断引入金融学的文章更为少见。本文以利率期限结构模型中的CIR模型为研究对象,采用回归诊断的思想,对CIR模型的统计诊断方法进行讨论。本文首先介绍了一些关于扩散模型的估计方法和统计诊断的发展现状,然后针对CIR模型做了如下工作：本文运用Girsanov定理和Ito定理,在等价概率测度下得到一个线性回归模型,然后采用回归诊断的思想给出了Cook距离,AP统计量和WK统计量。由于本文得到线性回归模型中误差项较为复杂,所以在数值模拟的情况下,本文从两方面考察了以上三个诊断统计量的诊断效果：1运用得到的诊断量诊断出异常点,并删除异常点后重新估计模型参数,估计值更接近预设值；2更改一些数据点使其明显偏离既定轨道,并重新估计模型参数,估计值与预设值距离增大。以上结果表明本文定义的Cook距离,AP统计量和WK统计量是合理的。本文同时也给出了均值漂移的诊断和CIR模型的似然距离。在第四章,本文选取上海银行间同业拆借利率(SHIBOR)隔夜报价数据做为研究对象,对数据进行诊断。根据实际情况,将诊断出的异常点与货币政策出台时间进行比对,考察诊断效果。结果表明诊断方法有效。