Identifying Regression Outliers and Mixtures Graphically
用图形识别回归异常值与混合结构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：摘要讨论通用回归降维与图形诊断，未指向所列具体经济计量领域。
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
用图形识别回归异常值与混合结构
- 研究问题
- 回归数据含异常值或由遗漏类别变量产生的未知子群时，能否借助降维图形发现这些结构，而无需预先指定回归模型？
- 方法与思路
- 作者运用基于中心子空间的回归图形理论，利用子空间随异常值和回归混合结构扩展的特征进行图形识别。
- 材料陈述的贡献
- 摘要提出，估计中心子空间可用于发现异常值和回归混合结构，并通过实例展示这一图形分析思路的作用。
- 阅读关注点
- 核对中心子空间扩展论断的成立条件、维数选择与估计方法，以及图形发现能否区分异常点、混合结构和一般非线性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出识别保证、误报控制或实例细节，图形中的结构不能直接当作已验证子群。
原文摘要
Regressions in practice can include outliers and other unknown subpopulation structures. For example, mixtures of regressions occur if there is an omitted categorical predictor, like gender or location, and different regressions occur within each category. The theory of regression graphics based on central subspaces can be used to construct graphical solutions to long-standing problems of this type. It is argued that in practice the central subspace automatically expands to incorporate outliers and regression mixtures. Thus methods of estimating the central subspace can be used to identify these phenomena, without specifying a model. Examples illustrating the power of the theory are presented.