Influence diagnostics for linear measurement error models
线性测量误差模型的影响诊断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：摘要研究通用测量误差回归诊断，未给出因果、结构估计或其他所列细分方向的直接依据。
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
线性测量误差模型的影响诊断
- 研究问题
- 在线性测量误差模型中，极端观测如何影响拟合结果，其影响方向与普通最小二乘有何差异，应如何构造相应诊断？
- 方法与思路
- 作者利用影响函数分析极端观测沿拟合平面及其正交方向的影响，改造既有诊断方法，并以扰动论证和渐近理论支持。
- 材料陈述的贡献
- 摘要称揭示了测量误差估计的影响方向特点，并给出适用于该模型的影响诊断，使既有回归诊断思路得到相应扩展。
- 阅读关注点
- 应核对测量误差结构与估计量的定义、方向分解如何得到，以及诊断量的标定、适用条件和实际计算步骤。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；误差分布、可识别条件及诊断阈值未说明，不能据此判断稳健性或推断刊本变化。
原文摘要
Influence functions are used to show that extreme observations affect linear measurement error model estimators in directions orthogonal to and along the fitted plane, rather than vertically and horizontally as with least squares estimators. Influence diagnostics patterned after those for least squares and derived for generalized linear models by Pregibon (1981) are adapted to assess the influence of extreme observations on linear measurement error model estimators. Perturbation arguments and asymptotic theory are used to support the use of these diagnostics.