The Joint Distribution of the Standardized Least Squares Residuals from a General Linear Regression
一般线性回归中标准化最小二乘残差的联合分布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：摘要是一般线性回归残差分布与异常值诊断研究，没有时间依赖、金融尾部风险或其他所列细分的明确内容。
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
一般线性回归中标准化最小二乘残差的联合分布
- 研究问题
- 在一般线性回归中，任取部分标准化最小二乘残差时，其联合分布如何描述，这一结果如何用于异常值检测？
- 方法与思路
- 作者推导残差子集的多元联合分布，将其描述为 Inverted-Student 函数的标准化形式，并讨论异常值检测应用。
- 材料陈述的贡献
- 摘要明确报告标准化残差子集的联合分布结果，并讨论其对异常值检测的用途；具体检测程序和效果未说明。
- 阅读关注点
- 应核对误差分布假设、残差标准化所用的方差估计、残差子集的限制，以及异常值检测如何处理联合依赖。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；分布公式与成立条件未给出，不能默认任意误差分布下都成立或推断检测优势。
原文摘要
In this article the p-variate joint distribution is derived for a subset of p of the n standardized least squares residuals from a general linear regression. The resulting distribution is a standardized version of the Inverted-Student Function [8, p. 259]. An application of this result to the problem of detection of outliers is discussed.