基于分位数残差与距离度量的类别响应模型诊断
统计方法学
2023-07-07 v1 定量方法
摘要
多分类数据在研究中十分常见,可具有个体或分组结构。两种结构下,广义 logit 模型常用于将协变量关联到响应变量。模型拟合后的挑战之一是定义合适的残差并选择诊断技术。由于多分类变量是多元的,原始、Pearson 或偏差残差均为向量且渐近分布通常未知,导致图形可视化与解释困难。因此,定义适当残差并选择诊断工具中的正确分析十分重要,尤其对名义数据,其方法受限。本文提出将随机化分位数残差与个体及分组名义数据相关联,并采用欧氏与 Mahalanobis 距离度量,作为降低残差维数的替代方案。我们开展了与两种数据结构相关的模拟研究。采用带模拟包络的半正态图评估模型表现。这些研究展示了分位数残差的优良表现,且距离度量使图形技术解释更佳。我们用两个真实数据应用说明了所提流程。
引用
@article{arxiv.2307.02966,
title = {Diagnostics for categorical response models based on quantile residuals and distance measures},
author = {Patrícia Peres Araripe and Idemauro Antonio Rodrigues de Lara and Gabriel Rodrigues Palma and Niamh Cahill and Rafael de Andrade Moral},
journal= {arXiv preprint arXiv:2307.02966},
year = {2023}
}
备注
20 pages