Partial Residual Plots in Generalized Linear Models
广义线性模型中的偏残差图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：摘要研究一般广义线性模型的图形诊断，未明确限定为离散选择或其他指定领域。
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
广义线性模型中的偏残差图
- 研究问题
- 在广义线性模型中，偏残差图何时能够准确呈现选定预测变量的曲率，链接函数和预测变量关系又如何限制其用途？
- 方法与思路
- 作者分析偏残差图的结构，并讨论 ceres 图的推广，将两者在广义线性模型中的表现与加性误差模型比较。
- 材料陈述的贡献
- 摘要称，偏残差图的可靠性受条件均值所处区域及预测变量间条件均值线性关系限制，ceres 图要求相对较少。
- 阅读关注点
- 应核对链接函数近似线性的适用区域、预测变量条件关系的要求，以及两类图形在条件不成立时如何误导曲率判断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出完整图形构造与误差界限，不能将其视为普遍可靠的模型诊断工具。
原文摘要
In this article we explore the structure and usefulness of partial residual plots as tools for visualizing curvature as a function of selected predictors x 2 in a generalized linear model (GLM), where the vector of predictors x is partitioned as x T = (x T 1, x T 2). The GLM extension of ceres plots is discussed, but to a lesser extent. The usefulness of these plots for obtaining a good visual impression of curvature may be limited by the specified GLM, the link function, and the stochastic behavior of the predictors. Partial residual plots seem to work well when modeling is in a region where the conditional mean of the response given x stays well away from its extremes so that the link is essentially linear, and E(x 1 | x 2) is linear in x 2. ceres plots, however, require only the first condition. The behavior of these plots is contrasted with their behavior in additive-error models.