Diagnostics in Linear Discriminant Analysis
线性判别分析中的诊断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：摘要研究一般线性判别分析的影响诊断；提及 logistic 分析只是方法比较，不能据此归入经济离散选择。
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
线性判别分析中的诊断
- 研究问题
- 在线性判别分析中，如何构造诊断量识别有影响力的观测，并判断线性回归的诊断方法是否适用于判别问题？
- 方法与思路
- 作者用两类基本影响统计量表达新诊断量，建立渐近分布结果，据此构造临界值、预期分位数及 Q-Q 图和显著性检验。
- 材料陈述的贡献
- 摘要称所获定理也适用于已有诊断量，并通过判别、回归及 logistic 分析的比较，指出回归诊断不适合该判别目标。
- 阅读关注点
- 应核对基本影响统计量的完整定义、渐近定理条件、影响观测的判定目标，以及回归诊断失效的具体依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；数学符号可能丢失上下标，需查原 PDF；定理条件与比较范围未提供。
原文摘要
Some new diagnostic measures in discriminant analysis are proposed. They can be expressed in terms of the two fundamental influence statistics in discriminant analysis: d i 2 and ψ i . A theorem on the asymptotic distributions of the fundamental statistics is derived. Based on the theorem, the proposed measures can be shown to be asymptotically distributed as functions of independent chi-squared and standard normal random variables. Critical values and expected quantiles of the measures can then be constructed. Hence influential observations are detected using Q-Q plots and significance tests. Two measures have analogous forms in regression. The theorem is also useful for getting the asymptotic distributions of existing measures that are functions of d i 2 and ψ i . A comparison of the diagnostics in linear discriminant analysis, linear regression, and linear logistic regression (discriminant) analysis is made. Although discriminant coefficients can be determined under a regression model, regression diagnostic measures are shown to be inappropriate for detecting influential observations in linear discriminant analysis. The temptation of applying regression diagnostic measures in linear discriminant analysis must be resisted.