抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ピアソンと逸脱残差のような残留は,正常回帰を評価するための標準ツールである。しかし,離散応答では,これらの残差は,異なる応答値に対応する線上にクラスタをクラスタ化する。それらの分布は,正常性から遠い。これらの残差のグラフィカルおよび定量的検査は,モデル診断のための情報はほとんどない。MarshallとSpiegelhalter(2003)は,異常値を同定するための交差検証的予測p値を定義した。予測p値は連続応答に対して均一に分布しているが,離散応答に対しては分布しない。離散応答を持つモデルを診断するためのランダム化予測p値(RPP)の使用を提案した。RPPは,NRPPsと呼ばれる正規分布で「残差」に変換することができる。NRPPsは,正常回帰を診断するために同じ方法でスカラー応答ですべての回帰モデルを診断するのに用いることができる。NRPPsは,以前にDunnとSmyth(1996)によって提案されたランダム化分位残差(RQR)とほぼ同じであるが,統計者によってほとんど知られていない。RPP展望を用いたRQRの曝露を提供した。この曝露の寄与は以下を含む。(1)RPPの均一性の厳密な証明と説明例を示し,真のモデルの下で均一性を説明した。(2)真のモデルの下でNRPPsの正規性を実証するために広範囲なシミュレーション研究を行う。(3)著者らのシミュレーション研究はまた,NRPP法が複雑性の欠如のため,多くの種類のモデル不正確さを検出するための多目的診断ツールであることを示した。NRPPの有効性を,さらに健康利用データセットで実証した。【JST・京大機械翻訳】