У меня случайная перехват логистической регрессии (из-за многократных измерений), и я хотел бы провести некоторую диагностику, особенно в отношении выбросов и влиятельных наблюдений.
Я посмотрел на остатки, чтобы увидеть, есть ли наблюдения, которые выделяются. Но я также хотел бы взглянуть на что-то вроде расстояния Кука или DFFITS. Хосмер и Лемешоу (2000) говорят, что из-за отсутствия модельных диагностических инструментов для коррелированных данных нужно просто приспособить модель регулярной логистической регрессии, игнорируя корреляцию, и использовать инструменты диагностики, доступные для регулярной логистической регрессии. Они утверждают, что это было бы лучше, чем вообще не проводить диагностику.
Книга написана в 2000 году, и мне интересно, есть ли сейчас доступные методы диагностики моделей со смешанной логистической регрессией? Что было бы хорошим подходом для проверки на выбросы?
Изменить (5 ноября 2013 г.):
Из-за отсутствия ответов мне интересно, если диагностика со смешанными моделями вообще не выполняется или, скорее, не важный шаг при моделировании данных. Итак, позвольте мне перефразировать мой вопрос: что вы будете делать, когда нашли «хорошую» регрессионную модель?