Residualbaserade

Residualbaserade är ett adjektiv som används för att beskriva metoder, analyser och tillvägagångssätt som bygger på residualer – skillnaderna mellan observerade värden och vad modellen förutspår. Begreppet förekommer inom statistik, econometrics och närliggande områden där man utvärderar eller vidareutvecklar modeller genom hur väl residualerna uppvisar önskade egenskaper.

Användning och syfte: Residualbaserade metoder används framför allt för diagnostik av modellantaganden, till exempel identifiering av felstruktur som heteroskedasticitet eller autokorrelation, eller misspecifikationer i modellen. Genom att analysera residualerna kan man avgöra om modellen behöver justeras, nya variabler inkluderas, transformationer tillämpas eller alternativa fördelningar övervägas.

Exempel på metoder: Inom regressionsanalys finns residualbaserade diagnostiska och testprocedurer som Breusch-Pagan-test, White-test och Durbin-Watson-test, vilka bygger på residualerna. Inom tidserier används residualer i diagnostik och i robusta eller iterativa estimatorer. Inom signalbehandling och vissa maskininlärningsramverk används residualbaserade principer för felkorrigering eller modellförbättring.

Begränsningar: Metoder som är residualbaserade kräver ofta att residualerna uppvisar viss graden av frihet från systematiska beroenden. Om modellen är kraftigt misspecerad eller felens antaganden inte håller, kan resultaten bli missvisande eller vägledningen felaktig. Att tolka residualerna i kontexten av modellen är centralt för tillförlitligheten hos residualbaserade tillvägagångssätt.