Testing the Independence Assumption in Linear Models
线性模型中独立性假设的检验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：摘要研究通用线性模型独立性诊断，未明确面板、时间序列或网络数据结构。
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
线性模型中独立性假设的检验
- 研究问题
- 在标准正态理论线性模型中，能否利用近重复失拟检验，发现相似收集条件下观测之间的相关性和独立性违反？
- 方法与思路
- 作者将原用于近似重复设计行的失拟检验用于独立性诊断，按相似收集条件构造合理子组，并考察相关观测下的检验行为。
- 材料陈述的贡献
- 摘要提出既有检验工具的新用途：通过子组内可能更强的相关性识别独立性不足；未给出具体检验性能或理论保证。
- 阅读关注点
- 应核对子组如何形成、分组是否影响检验有效性，以及检验如何区分均值模型失拟与误差相关造成的拒绝。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未说明显著性控制、功效或适用相关结构，不能认定该工具已普遍有效。
原文摘要
We propose using an existing set of statistical tools in a new way that allows one to test the independence assumption in standard normal theory linear models. The set of tools is near-replicate lack-of-fit tests. The classical lack-of-fit test requires a linear model in which some rows of the model matrix are repeated. Near-replicate lack-of-fit tests were developed to mimic the behavior of the classical test by identifying clusters of rows in the design matrix that are similar, though not necessarily exact replications. We argue that meaningful clusters can be formed more generally by constructing rational subgroups of data collected under similar circumstances. As such, observations in the same subgroup may be more highly correlated than observations in different subgroups. We investigate the behavior of these tests when used to identify lack of independence.