Ho una regressione logistica di intercettazione casuale (dovuta a misurazioni ripetute) e vorrei fare un po 'di diagnostica, in particolare riguardo a valori anomali e osservazioni influenti.
Ho guardato i residui per vedere se ci sono osservazioni che si distinguono. Ma vorrei anche guardare qualcosa come la distanza di Cook o DFFITS. Hosmer e Lemeshow (2000) affermano che a causa della mancanza di strumenti diagnostici modello per dati correlati, si dovrebbe semplicemente adattarsi a un modello di regressione logistica regolare ignorando la correlazione e utilizzare gli strumenti diagnostici disponibili per la regressione logistica regolare. Sostengono che ciò sarebbe meglio che non fare alcuna diagnostica.
Il libro è del 2000 e mi chiedo se ora ci sono metodi disponibili per la diagnostica dei modelli con regressione logistica a effetti misti? Quale sarebbe un buon approccio per verificare i valori anomali?
Modifica (5 novembre 2013):
A causa della mancanza di risposte, mi chiedo se fare la diagnostica con modelli misti non sia fatto in generale o piuttosto non sia un passo importante nella modellazione dei dati. Vorrei quindi riformulare la mia domanda: cosa fai una volta trovato un "buon" modello di regressione?