Testing the Independence Assumption in Linear Models
检验线性模型中的独立性假设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：摘要讨论一般线性模型的独立性诊断，未明确采用面板、时间序列或网络数据框架，故不强行归类。
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
检验线性模型中的独立性假设
- 研究问题
- 标准正态理论线性模型中，如何利用相似观测或相似采集情境形成的组，检查观测之间的独立性假设？
- 方法与思路
- 作者重新使用近似重复观测的失拟检验，并主张按相似采集条件构造合理子组，以检查组内相关造成的非独立性。
- 材料陈述的贡献
- 摘要所述贡献是将已有失拟检验工具用于独立性诊断，并研究这些检验在识别非独立观测时的行为。
- 阅读关注点
- 阅读时应核对子组构造的依据、失拟与相关性的区分、检验校准方式，以及对不同相关结构的识别能力。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出检验性质或比较结果，不能认定该方法能区分所有非独立性与失拟。
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.