Quel type d'analyse post-ajustement des résidus utilisez-vous?

Lors de la régression linéaire multiple OLS, plutôt que de tracer les résidus par rapport aux valeurs ajustées, je trace les résidus Studentized (internes) par rapport aux valeurs ajustées (idem pour les covariables). Ces résidus sont définis comme:

e_{je}^{*} = \frac{e_{je}}{\sqrt{s^{2} (1 - h_{je je})}}

$\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation}$

où est le résiduel et sont les éléments diagonaux de la matrice chapeau. Pour obtenir ces résidus studentisés dans R, vous pouvez utiliser la commande. $e_i$ $h_{ii}$ rstandard

Quel type de résidus les gens utilisent-ils régulièrement dans ce contexte? Par exemple, restez-vous simplement avec ou utilisez-vous des résidus de jackknife, ou autre chose entièrement. $e_i$

Remarque: je ne suis pas très intéressé par les articles qui définissent un nouveau type de résidu que personne n'utilise jamais.

regression residuals diagnostic csgillespie
la source

Votre question me semble étrangement formulée. Vous ne «choisissez» pas de résidus. Celles-ci sont données / impliquées par une procédure / analyse. Le modèle sous-jacent implique certains termes d'erreur (abstraits) et l'analyse produit des résidus. En ce sens, vous choisissez l' analyse et non les résidus . Peut-être que reformuler "quel type d'analyse post-ajustement des résidus utilisez-vous" pourrait être mieux? Vous semblez pencher de cette façon en posant la question dans le contexte d'un modèle OLS. Et dans ce cas, regarder des observations influentes («matrice de chapeau») est une bonne méthode.

Dirk Eddelbuettel

Merci. Je suis entièrement d'accord avec votre point et ai changé ma question.

csgillespie

Quel type d'analyse post-ajustement des résidus utilisez-vous?

Réponses: