Assessing Influence in Variable Selection Problems
变量选择问题中的观测影响评估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：摘要研究一般线性回归中的变量选择与影响诊断，未提供对应所列计量领域细分的直接证据。
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…
关注这篇论文的作者
变量选择问题中的观测影响评估
- 研究问题
- 在线性回归的变量选择中，少数观测是否会显著改变最终模型，以及固定所选模型的影响诊断会遗漏什么？
- 方法与思路
- 作者借鉴普通多元回归的单点影响度量，比较固定模型的条件评估与纳入变量选择过程的无条件评估，并用实例解释差异。
- 材料陈述的贡献
- 摘要称，删除单个观测可能显著改变模型选择；无条件评估可补充条件诊断，揭示观测对选择过程的影响。
- 阅读关注点
- 应核对两类影响指标的定义、删除观测后是否重新选择变量，以及实例中的差异如何由选择规则和数据特征产生。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体变量选择规则、指标性质和计算成本未说明，不能判断结论对所有选择方法是否适用。
原文摘要
Variable selection techniques are often used in combination with multiple linear regression to produce a parsimonious model that fits the data well.It is clearly undesirable for the final model to depend strongly on the inclusion of a few influential cases (data points) in the data set.This article discusses a measure of influence of single cases on the final model, based on a similar measure used in ordinary multiple regression.When variables are selected objectively using the data, deletion of individual cases can strongly affect the choice of model.Influence is often assessed conditionally upon the selected model.However, this does not take the model selection process into account.Nowadays, it is feasible to use an unconditional criterion to determine the influence of each case on the selection procedure.A number of examples are discussed to illustrate the differences between these approaches.Heuristics are developed to explain the examples.We conclude that, although the conditional approach gives valuable information about the selected model, the use of the unconditional approach can lead to greater insight about the influence of individual observations on the process of model selection.