Two graphical displays for outlying and influential observations in regression
回归异常观测与影响观测的两种图形诊断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：摘要属于一般回归诊断，未给出因果识别、面板结构或其他所列细分方向的依据。
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
回归异常观测与影响观测的两种图形诊断
- 研究问题
- 在多元回归中，如何识别响应变量或解释变量上的异常观测，并通过图形参照减少对样本异常迹象的过度解读？
- 方法与思路
- 作者提出两种诊断程序，以带模拟包络的半正态图展示，并借助一个既有数据集讨论变量变换及其与稳健回归的关系。
- 材料陈述的贡献
- 摘要称两种图形程序可用于发现不同位置的异常值，模拟包络提供解释参照；示例还引出数据变换和一个简单检验。
- 阅读关注点
- 核对两种程序使用的诊断量、包络生成方式和参考模型，并检查异常值、影响性及数据变换之间的具体联系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明诊断量和包络校准，无法判断误报率，也不能据此主张应自动删除观测。
原文摘要
The paper describes two procedures for detecting observations with outlying values either in the response variable or in the explanatory variables in multiple regression. These procedures are presented as half normal plots with envelopes derived from simulation in order to avoid overinterpretation of the data. Analysis of a well-known data set leads to the use of a data transformation, a simple test for which is commended, and to some comments on the relationship with robust regression.