คำถามติดแท็ก diagnostic

ก่อนที่จะถามคำถามนี้ผมค้นหาเว็บไซต์ของเราและพบมากคำถามที่คล้ายกัน (เช่นที่นี่ , ที่นี่และที่นี่ ) แต่ฉันรู้สึกว่าคำถามที่เกี่ยวข้องนั้นไม่ได้รับการตอบสนองหรือพูดคุยอย่างดีดังนั้นจึงอยากจะถามคำถามนี้อีกครั้ง ฉันรู้สึกว่าควรมีผู้ชมจำนวนมากที่ต้องการอธิบายคำถามประเภทนี้อย่างชัดเจนยิ่งขึ้น สำหรับคำถามของฉันก่อนอื่นให้ลองพิจารณาโมเดลผสมผลกระทบเชิงเส้น โดยที่เป็นองค์ประกอบผลกระทบเชิงเส้นคงที่\ mathbf {Z}เป็นเมทริกซ์ออกแบบเพิ่มเติมที่สอดคล้องกันพารามิเตอร์สุ่มผล , \ boldsymbol \ และ\ boldsymbol \ epsilon \ \ sim \ N (\ mathbf {0, \ sigma ^ 2 I})เป็นข้อผิดพลาดทั่วไป X βy = X β + Z γ+ ϵY=Xβ+Zγ+ε \mathbf{y = X\boldsymbol \beta + Z \boldsymbol \gamma + …

10 mixed-model  residuals  heteroscedasticity  diagnostic 

มีข้อสมมติฐานเฉพาะใด ๆ เกี่ยวกับข้อผิดพลาดของการถดถอยโลจิสติกหรือไม่เช่นความแปรปรวนคงที่ของข้อผิดพลาดและค่าปกติของส่วนที่เหลือ? นอกจากนี้โดยทั่วไปเมื่อคุณมีคะแนนที่มีระยะทางของ Cook มากกว่า 4 / n คุณจะลบออกไหม หากคุณลบออกคุณจะทราบได้อย่างไรว่ารุ่นที่มีจุดลบนั้นดีกว่า

10 regression  logistic  residuals  diagnostic  cooks-distance 

เมื่อดำเนินการถดถอยเชิงเส้นหลายครั้งของ OLS แทนที่จะวางแผนส่วนที่เหลือเทียบกับค่าติดตั้งฉันวางแผนส่วนที่เหลือแบบนักเรียน (ภายใน) กับค่าติดตั้ง (เหมือนกันสำหรับ covariates) ส่วนที่เหลือเหล่านี้ถูกกำหนดเป็น: อี* * * *ผม= eผมs2( 1 - ชมฉันฉัน)---------√อีผม* * * *=อีผมs2(1-ชั่วโมงผมผม)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} โดยที่คือส่วนตกค้างและh i iเป็นองค์ประกอบในแนวทแยงของเมทริกซ์หมวก ในการรับค่าส่วนที่เหลือเป็นรายนักศึกษาเหล่านี้ใน R คุณสามารถใช้คำสั่งอีผมอีผมe_iชั่วโมงฉันฉันชั่วโมงผมผมh_{ii}rstandard คนประเภทใดที่ใช้เป็นประจำในบริบทนี้ ตัวอย่างเช่นคุณแค่ติดกับหรือคุณใช้ของเหลือของ jackknife หรืออย่างอื่นทั้งหมดอีผมอีผมe_i หมายเหตุ: ฉันไม่สนใจเอกสารที่กำหนดประเภทใหม่ของสารตกค้างที่ไม่มีใครเคยใช้

10 regression  residuals  diagnostic