Residuals
在診斷潛在有影響的數據點方面，“內部學生化殘差”比原始估計殘差有什麼優勢？
我問這個的原因是因為內部學生化殘差似乎與原始估計殘差具有相同的模式。如果有人可以提供解釋，那就太好了。
假設一個回歸模型帶設計矩陣（一種列後跟您的預測變量），預測（在哪裡是“帽子矩陣”）和殘差. 回歸模型假設真實錯誤都具有相同的方差（同方差）：
殘差的協方差矩陣是. 這意味著原始殘差有不同的方差- 矩陣的對角線. 的對角線元素是帽子值.
因此，始終具有方差 1 的真正標準化殘差是. 問題是誤差方差是未知的，內部/外部學生化殘差 特定選擇的估計結果.
由於原始殘差預計是異方差的，即使是同方差的，原始殘差在理論上不太適合診斷具有同方差假設的問題，而不是標準化或學生化殘差。
