Influential Observations in Linear Regression
线性回归中的影响观测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于通用线性回归诊断，没有对应所列领域细分的明确模型或应用信息。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
线性回归中的影响观测
- 研究问题
- 哪些观测会对最小二乘分析产生较大影响，删除单个观测为何可能同时改变参数估计与多项诊断结果？
- 方法与思路
- 作者将影响观测的特征联系到残差方差、残差相关性与解释变量凸包，并分析删点对检验及估计的影响。
- 材料陈述的贡献
- 摘要称展示删去一个观测如何显著改变部分 F 检验、学生化残差、残差方差、解释变量凸包和参数向量。
- 阅读关注点
- 应核对影响程度的具体度量、删点变化的推导，以及高影响观测与异常值的区别和示例中的诊断解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明；未提供诊断阈值或删点决策依据，不能将高影响自动等同于应删除。
原文摘要
Characteristics of observations which cause them to be influential in a least squares analysis are investigated and related to residual variances, residual correlations, and the convex hull of the observed values of the independent variables. It is shown how deleting an observation can substantially alter an analysis by changing the partial F-tests, the studentized residuals, the residual variances, the convex hull of the independent variables, and the estimated parameter vector. Outliers are discussed briefly, and an example is presented.