R语言中survreg模型的ldcase、ldresp等ld残差是什么？

我来帮你拆解survreg模型里这几种带"ld"前缀的残差——它们都和**似然位移（Likelihood Displacement）**有关，是Escobar和Meeker提出的模型诊断工具，专门用来排查模型拟合的问题，比如异常值、高杠杆点或者模型设定偏差。

1. ldcase残差 #

• 含义：这是个案似然位移残差，核心是衡量单个观测对整体模型似然值的影响。简单说就是：把某一个观测从数据集中删掉，重新拟合模型后，计算前后似然值的变化量（经过标准化处理）。
• 用途：如果某个观测的ldcase残差数值很大，说明它对整个模型的拟合结果影响极强，大概率是异常值或者高杠杆点，需要重点检查。

2. ldshape残差 #

• 含义：这是形状参数似然位移残差，专门聚焦于生存模型的形状参数（比如Weibull模型里的形状参数k）。它衡量的是移除单个观测后，形状参数的估计值变化所带来的似然位移程度。
• 用途：用来识别那些对模型分布形状假设冲击较大的观测——如果某个观测的ldshape残差偏高，可能意味着这个观测不满足模型预设的分布形式，需要考虑调整模型的分布假设。

3. ldresp残差 #

• 含义：这是响应变量似然位移残差，针对的是模型的响应部分（也就是生存时间和结局状态）。它计算的是移除单个观测后，模型中协变量效应（比如你示例里的age系数）变化带来的似然位移。
• 用途：帮助定位那些过度影响协变量系数估计的观测，判断是否存在个案扭曲了协变量对生存时间的影响结论。

这些残差的核心逻辑都是"通过移除单个观测，看模型的变化幅度"，用似然的变化来量化观测的影响力，数值越大，说明该观测的权重和破坏性越强，是生存分析模型诊断里很实用的工具。

内容的提问来源于stack exchange，提问作者gowerc