A diagnostic procedure based on local influence
基于局部影响的模型诊断程序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：摘要讨论通用模型诊断与观测影响，缺少所列经济计量领域的直接分类证据。
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…
基于局部影响的模型诊断程序
- 研究问题
- 如何在局部影响分析中同时评估假定模型与数据生成模型的偏离程度，并识别最能体现这种偏离的可疑观测？
- 方法与思路
- 作者在独立分布框架下研究观测权重扰动，建立局部影响度量与 Cook 距离、似然距离的渐近联系并构造诊断程序。
- 材料陈述的贡献
- 摘要称三类距离或度量渐近等价，所提局部影响程序可同时评估模型误设并检测影响点，并分析了两个真实数据集。
- 阅读关注点
- 应核对权重扰动与独立分布框架、渐近等价的条件，以及诊断阈值如何区分模型整体误设和个别观测的影响。
- 阅读边界
- 摘要未说明诊断阈值、误判控制或对相关数据的适用性，真实数据分析也无细节；索引摘要未注明稿件版本。
原文摘要
Cook's (1986) normal curvature measure is useful for sensitivity analysis of model assumptions in statistical models. However, there is no rigorous approach based on the normal curvature for addressing two fundamental issues: to assess the extent of discrepancy between an assumed model and the underlying model from which the data are generated, and to identify suspicious data points for which the discrepancy is most evident. Our purpose is to establish a theoretically sound procedure for resolving these issues for case‐weight perturbation under the framework of independent distributions. We show that the local influence measure, Cook's distance and likelihood distance are asymptotically equivalent. A diagnostic procedure, based on local influence, is proposed for evaluating model misspecification and for detecting influential points simultaneously. We analyse two real datasets.