The Use and Interpretation of Residuals Based on Robust Estimation
基于稳健估计的残差：使用与解释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：摘要聚焦一般回归诊断与稳健残差性质，未提供所列细分领域的直接证据。
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…
基于稳健估计的残差：使用与解释
- 研究问题
- 稳健回归的残差图能否像最小二乘残差图一样解释，并用于判断模型拟合是否充分及发现遗漏的曲率？
- 方法与思路
- 作者针对M估计及Mallows、Schweppe型GM估计，推导正确设定和误设模型下残差与拟合值的一阶性质。
- 材料陈述的贡献
- 摘要称理论结果揭示稳健残差图的解释范围与曲率检测能力，模拟提供支持，并给出稳健残差标准化方法。
- 阅读关注点
- 应核对不同稳健估计的权重设置、误设情形下残差的含义，以及标准化如何影响随机性和曲率诊断。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；具体一阶展开及条件未说明，不能假定所有稳健残差图都具有相同解释。
原文摘要
Residual plots and diagnostic techniques are important tools for examining the fit of a regression model. In the case of least squares fits, plots of residuals provide a visual assessment of the adequacy of various aspects of the fitted model. An important question is whether plots of robust residuals can be interpreted in the same manner as their least squares counterparts. This article addresses this problem for two popular classes of robust estimates: M estimates and GM estimates of the Mallows and Schweppe types. First-order properties of the residuals and fitted values are derived under correct and misspecified models. These properties are insightful on the general interpretability of robust residual plots and on their ability to detect curvature in misspecified models. The results of a simulation study consisting of tests for randomness and curvature in residual plots supports these theoretical properties. Standardization of robust residuals is also presented.