Mam losową regresję logistyczną przechwytującą (z powodu powtarzających się pomiarów) i chciałbym przeprowadzić diagnostykę, szczególnie dotyczącą wartości odstających i wpływowych obserwacji.
Spojrzałem na pozostałości, aby zobaczyć, czy istnieją spostrzeżenia, które się wyróżniają. Ale chciałbym też spojrzeć na coś w rodzaju odległości Cooka lub DFFITS. Hosmer i Lemeshow (2000) twierdzą, że z powodu braku modelowych narzędzi diagnostycznych dla skorelowanych danych, wystarczy dopasować zwykły model regresji logistycznej, ignorując korelację, i użyć narzędzi diagnostycznych dostępnych dla regularnej regresji logistycznej. Twierdzą, że byłoby to lepsze niż wcale nie przeprowadzanie diagnostyki.
Książka pochodzi z 2000 roku i zastanawiam się, czy są teraz dostępne metody diagnostyki modeli z regresją logistyczną efektów mieszanych? Jakie byłoby dobre podejście do sprawdzania wartości odstających?
Edytuj (5 listopada 2013 r.):
Z powodu braku odpowiedzi zastanawiam się, czy diagnostyka przy użyciu modeli mieszanych nie jest ogólnie przeprowadzana, czy raczej nie jest ważnym krokiem podczas modelowania danych. Pozwólcie, że sformułuję moje pytanie: co robisz, kiedy znalazłeś „dobry” model regresji?