เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การวินิจฉัยอิทธิพล (ระยะห่างของคุ้ก, DFFITS, Leverage)× | การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)× | |
|---|---|---|
| สาขาวิชา≠ | สถิติศาสตร์ | เศรษฐมิติ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1977 | 2019 |
| ผู้ริเริ่ม≠ | R. Dennis Cook (Cook's distance); Belsley, Kuh & Welsch (DFFITS, leverage) | Wooldridge (textbook treatment); classical least squares |
| ประเภท≠ | Regression diagnostic | Linear regression |
| แหล่งต้นตำรับ≠ | Cook, R. D. (1977). Detection of Influential Observations in Linear Regression. Technometrics, 19(1), 15-18. DOI ↗ | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| ชื่อเรียกอื่น≠ | Cook's distance, DFFITS, leverage, influential observation detection | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | Influence diagnostics are a family of post-fit measures that quantify how much each single observation affects a fitted regression. Cook's distance was introduced by R. Dennis Cook in 1977, with leverage and DFFITS formalised by Belsley, Kuh and Welsch in 1980, to flag the observations that most strongly pull the estimated coefficients. | Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE). |
| ScholarGateชุดข้อมูล ↗ |
|
|