摘要

當我們建立一個返歸模型時，必須針對研究的目的，去探求能夠合理解釋應變數的自變數，同時希望以最精簡的自變數組合，建立起一個最佳的迴歸模型，以避免造成某些成本，或者是能源上的浪費

在本文中以應變數是伯努利分配的Logistic 迴歸模型為主要的研究對象，為了找出最佳的模式，我們主要是利用Cook 距離測度和AP 這兩個統計量來做自變數的診斷分析。

而以往的Cook距離測度和AP 等統計量都是建立在線性模型之下，來做觀察值或者是自變數的診斷，其中誤差項服從常態分配且具有一致的變異數。在本文中所探討的Logistic迴鋒模型，雖然、誤差項變異數不一致，不過當應變數的期望

值不是極端靠近O 或1 時，誤差項的變異相差不大，因此我們視誤差項有相同的變異數。將此非線性的迴歸模型部份線性化之役，先推導出較為廣義的Cook 距離測度及統計量，接著再將模型完全線性化，又可推導出所對應的AP 統計量，最後利用這兩個統計量，對實例去做自變數的診斷，找出最有影響力的自變數款，以構成最佳的Logistic 迴歸模型。

[l].Robert Schall and Timothy T. Dunne (1990),"Influential Variables in Linear Regression," Technometrics,32,323-330.
[2].David F.Andrews and Daryl Pregibon (1978),"Finding the Outliers That Matter," Journal of the Royal Statistical Society,Ser.B,40,85-93.
[3].R.Dennis Cook (1977),"Detection of Influential Observations in Regression," Technometrics,19,15-18.
[4] .David C.Hoaglin and Roy E. Velsch (1978), "The Hat Matrix in Regression and Anova," The American Statistician,32,17-22.
[5].Draper,N.R.and Smith,H. (1981),Applied Regression Analysis (2nd,ed.),New York:John Viley.
[6].Draper,N.R.,and John,J.A. (1981),"Influential Observations and Outliers in Regression," Technometrics,23,21-26.
[7].Gentleman,J.F. ,and Vilk, M.B. (1975), "Detecting Outliers II:Supplementing the Direct Analysis of Residuals," Biometrics,31,387-410.
[8].Annette J. Dobson, Introduction to Statistical Modelling,London,New York:Chapman and Hall.
[9].R.Dennis Cook and Sanford Veisberg (1982),Residuals and Influence in Regression,New York,London :Chapman and Hall.