The Prediction Sum of Squares as a General Measure for Regression Diagnostics
预测平方和作为回归诊断的一般指标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：摘要聚焦通用回归中的预测残差、异常值与影响观测诊断，未提供因果、面板、金融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
预测平方和作为回归诊断的一般指标
- 研究问题
- 常规回归统计量难以揭示数据质量和单个观测的影响时，基于预测残差的 Q² 能否帮助发现异常值或影响观测，并补充 R² 的信息？
- 方法与思路
- 作者使用由留一法残差及其平方和 PRESS 导出的 Q²，与 R² 比较，并通过地区生活成本和美国食品行业两组数据展示诊断用途。
- 材料陈述的贡献
- 摘要称，两组应用中存在异常值时 Q² 可为负，且对解释变量和影响观测敏感；删除异常值后，Q² 与 R² 的差异很小。
- 阅读关注点
- 应核对 Q² 与 PRESS 的具体定义、影响观测和异常值的判定依据，以及删除观测前后的变化是否足以支持作者的数据质量判断。
- 阅读边界
- 摘要未说明诊断阈值及删点依据；不能把删除观测后 Q² 与 R² 接近视为删点合理或模型正确的充分证据，也不能据此保证预测表现。
原文摘要
Statistics that usually accompany the regression model do not provide insight into the quality of the data or the potential influence of the individual observations on the estimates. In this study, the Q2 statistic is used as a criterion for detecting influential observations or outliers. The statistic is derived from the jackknifed residuals, the squared sum of which is generally known as the prediction sum of squares or PRESS. This article compares R 2 with Q2 and suggests that the latter be used as part of the data-quality check. It is shown, for two separate data sets obtained from regional cost of living and U.S. food industry studies, that in the presence of outliers the Q2 statistic can be negative, because it is sensitive to the choice of regressors and the inclusion of influential observations. Once the outliers are dropped from the sample, the discrepancy between Q2 and R 2 values is negligible.