Graphical Methods for Assessing Logistic Regression Models
评估 Logistic 回归模型的图形方法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：摘要明确针对二元响应 Logistic 模型的拟合检查，对应离散选择方向的诊断方法。
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…
评估 Logistic 回归模型的图形方法
- 研究问题
- 二元数据的离散性使常规回归诊断图难以解释时，如何分别识别整体失拟、孤立偏离以及失拟的具体原因？
- 方法与思路
- 作者修改线性回归诊断图，提出局部平均偏差图、经验概率图和平滑偏残差图，并用模拟与真实数据说明。
- 材料陈述的贡献
- 摘要将三类图分别用于整体失拟、局部异常和具体结构问题，为 Logistic 模型提供不同层面的图形诊断工具。
- 阅读关注点
- 核对局部平均与平滑的实现、拟合概率对图形解释的影响，以及三类图各能识别哪些误设或异常观测。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出诊断阈值、错误发现率或适用条件，图形示例不能保证普遍有效。
原文摘要
In ordinary linear regression, graphical diagnostic displays can be very useful for detecting and examining anomalous features in the fit of a model to data. For logistic regression models, the discreteness of binary data makes it difficult to interpret such displays. Modifications and extensions of linear model displays lead to three methods for diagnostic checking of logistic regression models. Local mean deviance plots are useful for detecting overall lack of fit. Empirical probability plots help point out isolated departures from the fitted model. Partial residual plots, when smoothed to show underlying structure, help identify specific causes of lack of fit. These methods are illustrated through the analyses of simulated and real data.