Welche Art der Nachanpassungsanalyse von Residuen verwenden Sie?

Wenn ich eine multiple lineare OLS-Regression durchführe, anstatt die Residuen gegen angepasste Werte zu zeichnen, zeichne ich die (internen) studentisierten Residuen gegen angepasste Werte (ebenso für Kovariaten). Diese Residuen sind definiert als:

e_{i}^{*} = \frac{e_{i}}{\sqrt{s^{2} (1 - h_{i i})}}

$\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation}$

wobei der Rest ist und die diagonalen Elemente der sind. Um diese studentisierten Residuen in R zu erhalten, können Sie den Befehl verwenden. $e_i$ $h_{ii}$ rstandard

Welche Art von Residuen verwenden Menschen in diesem Zusammenhang routinemäßig? Bleibst du zum Beispiel einfach bei oder verwendest du Jackknife-Residuen oder etwas ganz anderes. $e_i$

Hinweis: Ich bin nicht so interessiert an Papieren, die eine neue Art von Residuen definieren, die niemand jemals verwendet.

regression residuals diagnostic

— csgillespie
quelle

Ihre Frage erscheint mir seltsam formuliert. Sie "wählen" keine Residuen. Diese werden durch ein Verfahren / eine Analyse angegeben / impliziert. Das zugrunde liegende Modell impliziert bestimmte (abstrakte) Fehlerterme, und die Analyse erzeugt Residuen. In diesem Sinne wählen Sie die Analyse und nicht die Residuen . Vielleicht ist eine Umformulierung in "Welche Art von Post-Fit-Analyse von Residuen verwenden Sie" besser? Sie scheinen sich auf diese Weise zu neigen und die Frage im Kontext eines OLS-Modells zu stellen. In diesem Fall ist es eine gute Methode, einflussreiche Beobachtungen ("Hutmatrix") zu betrachten.

— Dirk Eddelbuettel

Vielen Dank. Ich stimme Ihrem Standpunkt voll und ganz zu und habe meine Frage geändert.

— Csgillespie

Es gibt verschiedene Arten von Restanalysen, die Sie durchführen können, je nachdem, wonach Sie suchen. Abhängig von der Analyse verwenden Sie entweder Original-Residuen oder standardisierte Residuen. Sie müssen angeben, was genau Sie binden, um die Nachanpassung Ihres Modells zu überprüfen (Annahme einer konstanten Varianz, Annahme einer Normalität, Annahme einer IID usw.).

— abhinavkulkarni
quelle