A note on the use of residuals for detecting an outlier in linear regression
利用残差检测线性回归中异常值的一个注记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：摘要聚焦通用线性回归的异常值检测，已知误差协方差本身不足以确定时间序列、面板或其他所列领域细分。
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
利用残差检测线性回归中异常值的一个注记
- 研究问题
- 在线性回归误差协方差结构已知、单个异常观测的位置未知时，如何利用残差检测该观测是否发生位置偏移？
- 方法与思路
- 作者以已知协方差矩阵的逆变换最小二乘残差，并在残差的线性变换类别中研究该检验对单个位置异常值的功效。
- 材料陈述的贡献
- 摘要称，所提出的残差变换在指定线性变换类别中具有某些最优功效性质，针对的是标签未知的单个位置偏移异常值。
- 阅读关注点
- 应核对最优功效的确切含义、比较的检验类别、误差分布条件，以及已知协方差结构如何影响残差变换和临界值。
- 阅读边界
- 依据版本未注明的索引摘要；具体最优性条件未说明，不能推广至协方差未知、多重异常值或非位置偏移型异常。
原文摘要
Consider the usual linear regression model y = Xβ +ε, where the vector ε has E(ε) = 0, cov (ε) = σ2V, where V is known. Let e = y-ŷ be the least squares residual vector. It is shown that a test based on the transformed residual vector d* = V−1e has, in the class of linear transformations of e, certain optimal power properties for detecting the presence of a single outlier when the label of the outlier observation is unknown. The outlier model considered here is that of shift in location.