Modelling Variance Heterogeneity: Residual Maximum Likelihood and Diagnostics
方差异质性建模：残差最大似然与诊断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：一般正态回归的异方差建模未涉及金融动态波动率或其他所列专门问题，因此不强行分类。
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
方差异质性建模：残差最大似然与诊断
- 研究问题
- 正态回归中，若方差可能随解释变量呈对数线性变化，如何检测和估计这种异质性，并评估单个观测的影响？
- 方法与思路
- 作者讨论完整与残差最大似然的估计及同方差检验，并通过删除观测和对数似然位移开展回归诊断。
- 材料陈述的贡献
- 摘要称两种似然方法在删除观测时行为相似，但残差最大似然的估计变化及对数似然位移往往较小。
- 阅读关注点
- 应核对均值与方差模型设定、同方差检验的校准方式，以及删除诊断中参数变化和似然位移的比较依据。
- 阅读边界
- 仅据所给 Crossref 摘要；变化较小不直接意味着估计更准确，摘要未说明该比较的具体条件与量化结果。
原文摘要
SUMMARY The assumption of equal variance in the normal regression model is not always appropriate. to attempt to eliminate unequal variance a transformation is often used but if the transformation is not successful, or the variances are of intrinsic interest, it may be necessary to model the variances in some way. We consider the normal regression model when log-linear dependence of the variances on explanatory variables is suspected. Detection of the dependence, estimation and tests of homogeneity based on full and residual maximum likelihood are discussed as are regression diagnostic methods based on case deletion and log-likelihood displacement. Whereas the behaviour of full and residual maximum likelihood is similar under case deletion, changes in residual maximum likelihood estimates and log-likelihood displacements tend to be smaller than maximum likelihood.