安德鲁·盖尔曼;尤里·戈盖贝尔;弗朗西斯，周二;伊文·范·梅切伦 使用后验预测模拟对离散数据回归模型进行诊断检查。 （英语） Zbl 0945.62071号 J.R.Stat.Soc.，塞尔维亚。C、 应用。斯达。 49，第2期，247-268（2000）. 摘要：使用离散数据回归进行模型检查可能很困难，因为通常的方法（如残差图）具有复杂的参考分布，这些参考分布取决于模型中的参数。在参数估计存在不确定性的情况下，后验预测检验被认为是一种贝叶斯方法，用于平均良好测试结果。我们尝试使用一系列差异变量来拟合行为学习历史数据集的广义线性模型。然后，我们结合最近的一个应用实例讨论了我们的发现的一般适用性。我们发现，从易于解释和对重要模型故障敏感的角度来看，以下差异变量工作良好：整个数据集的结构化显示，基于绘图或装箱或平滑残差的一般差异变量与基于应用程序中产生的特定关注点创建的预测值和特定差异变量的比较。装箱残差图特别容易使用，因为其在模型下的预测分布足够简单，因此通常可以隐式进行模型检查。以下差异变量没有很好地发挥作用：根据基本连续模型定义的潜在残差散点图和这些残差的分位数图。 引用于17文件 MSC公司： 62J20型 诊断、线性推理和回归 62J12型 广义线性模型（逻辑模型） 2015年1月62日 贝叶斯推断 关键词：二元回归;分位数分位数图;已实现差异;残差图;顺序设计;随机学习模型 PDF格式BibTeX公司 XML格式引用 \textit{A.Gelman}等人，J.R.Stat.Soc.，Ser。C、 应用。Stat.49，No.2，247--268（2000；Zbl 0945.62071） 全文： 内政部