Outlier tests for logistic regression: A conditional approach
逻辑回归离群值检验的条件方法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：摘要研究通用逻辑回归诊断，没有经济离散选择行为模型的直接证据。
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
逻辑回归离群值检验的条件方法
- 研究问题
- 如何利用逻辑回归的精确条件方法识别单个或多个离群值，并在什么情况下值得承担高于渐近方法的计算成本？
- 方法与思路
- 作者在 logistic slippage 模型下构造离群值检验，通过枚举所有与观测充分统计量相容的响应配置计算精确条件 p 值。
- 材料陈述的贡献
- 摘要称，论文发展单个与多个离群值检验，论证选择计算密集的精确条件方法的理由，并将技术用于两个示例。
- 阅读关注点
- 阅读全文时应核对离群值模型、条件化的充分统计量、枚举规模，以及多离群值检验的校准方式与计算可行性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未报告示例结果、计算复杂度或相对渐近方法的具体改善幅度。
原文摘要
We consider exact conditional methods for identifying outliers in logistic regression data. Tests for a single outlier and multiple outliers are developed assuming a logistic slippage model. The p-values for these tests are determined using an explicit enumeration of all possible responses consistent with the observed value of the sufficient statistic. Justifications are given for preferring this computationally intensive approach to standard methods based on asymptotic approximations. The techniques are applied to two examples.