En aceptación : La aceptación de los nombres depende de quién quiera que los acepte. Los gráficos de Bland-Altman son simplemente gráficos de diferencia de medias de Tukey (y Tukey estaba allí mucho antes), así que si quieres que los estadísticos acepten el nombre, posiblemente no lo nombrarías como Bland y Altman. Por otro lado, en algunas áreas de aplicación (medicina o química, tal vez), probablemente recibirías miradas de burla si llamaras a los gráficos de diferencia de medias de otra manera que no fuera Bland-Altman . [Sin embargo, lo más probable es que alguien estuviera allí antes que Tukey, muchas de estas ideas son bastante antiguas].
Sobre un nombre adecuado : Si esas cosas que llamas "verdad" son realmente "verdad" (no sólo observaciones con error, digamos), probablemente llamaría a lo que tienes una gráfico de residuos (aunque parece que esas diferencias son negativo residuales); dependiendo de cómo se haya obtenido la verdad, se puede añadir un nombre descriptivo después de "residual" (por ejemplo, si se ha basado en una calibración de referencia, se puede llamar gráfico de referencia residual).
Si su verdad es realmente la verdad (y no sólo observaciones o incluso alguna estimación de mayor calidad) entonces podría incluso argumentar que error debe utilizarse en lugar de residual .
Sobre la idoneidad de la trama como diagnóstico : ¿Cómo se han obtenido esos valores "de verdad"? ¿Son los datos reales? Si es así, la "verdad" es un término erróneo, y en ese caso esperar que haya alguna correlación negativa en ese gráfico; no necesariamente sugeriría un problema en absoluto. Tenemos muchos hilos que explican (o incluso prueban) que los gráficos de $y-\hat{y}$ vs $y$ tendrá una correlación positiva, si su eje de "diferencia" es $\hat{y}-y$ entonces se esperaría una tendencia lineal negativa cuando el modelo de regresión fuera apropiado.
¿Cuál es el objetivo de la trama? ¿Cómo lo interpreta?
Aquí están algunos de los posts existentes relacionados con el tema de la representación gráfica de los residuos frente a los datos:
Tendencia en los residuos frente a los dependientes, pero no en los residuos frente a los ajustados
¿Tiene sentido estudiar los gráficos de los residuos con respecto a la variable dependiente?
¿Cuál es la correlación esperada entre el residuo y la variable dependiente?
