İstatistik Sözlüğü → Etkili gözlem tanılaması (Cook uzaklığı, kaldıraç, DFBETAS)
Etkili gözlem tanılaması (Cook uzaklığı, kaldıraç, DFBETAS)kavram
Tek tek gözlemlerin bir regresyon modelinin kestirimlerini ne ölçüde değiştirdiğini ölçen tanı istatistikleri.
Bir gözlem iki nedenle modeli etkileyebilir: açıklayıcı değişkenlerde diğerlerinden uzakta olabilir (yüksek kaldıraç) ya da modelin öngördüğünden çok farklı bir yanıt değerine sahip olabilir (büyük artık). Kaldıraç (h), gözlemin açıklayıcılar uzayındaki uçluğunu ölçer; ortalaması p / n'dir (p parametre sayısı) ve bunun iki-üç katını aşan değerler dikkat çeker. Cook uzaklığı her ikisini birleştirir: gözlem çıkarıldığında tüm öngörülerin ne kadar değiştiğini özetler. DFBETAS, gözlem çıkarıldığında her katsayının kaç standart hata kaydığını; DFFITS ise kendi öngörüsünün ne kadar değiştiğini gösterir.
Kaba eşikler olarak Cook D için 4 / n ya da 1, |DFBETAS| için 2 / √n kullanılır, ancak bunlar kesin kurallar değil, incelenecek gözlemleri belirleme araçlarıdır. Etkili bir gözlem hatalı değildir; önce veri girişi kontrol edilmeli, ardından gözlemin farklı bir alt evrene ait olup olmadığı düşünülmelidir. Gözlemler yalnız 'sonucu değiştiriyor' diye çıkarılmamalı; sonuçlar gözlemle ve gözlemsiz raporlanabilir ya da sağlam yöntemler kullanılabilir. Birbirini maskeleyen birden çok etkili gözlem tek tek tanılarla gözden kaçabilir.
Gündelik bir örnek
Bir mahallede ev fiyatlarının metrekareyle ilişkisi inceleniyor. Evlerin çoğu 80-150 m² arasında, ama bir tanesi 600 m²'lik bir köşk ve fiyatı da beklenenden çok düşük. Bu tek ev, açıklayıcıda çok uç olduğu için yüksek kaldıraca sahiptir; çıkarıldığında metrekare başına fiyat katsayısı belirgin biçimde değişiyorsa Cook uzaklığı ve DFBETAS bunu açıkça işaret eder.
MerQur'da
Çoklu Doğrusal Regresyon'da 'Ek çıktı: Etkili gözlem tanıları' (Cook D, kaldıraç, Mahalanobis, DFFITS, DFBETAS ve Bonferroni aykırı değer testi), Lojistik Regresyon'da 'Ek çıktılar (2): Etkili gözlem tanıları' (kaldıraç, Pearson ve sapma artıkları, Cook D, DFBETA) olarak sunulur. Poisson / Negatif Binomial Regresyon'un 'Ek çıktı: Artık tanıları + rootogram' seçeneği kaldıraç ve Cook D'yi, Cox Regresyonu, Survey-PHREG ve Küme-Sağlam Cox'un artık çıktıları dfbeta değerlerini verir. Meta-Analiz'de 'Duyarlılık: Etki tanıları' çalışma düzeyinde benzer ölçüleri verir; Sağlam Regresyon'da MCD tabanlı kaldıraç/aykırı tanıları bulunur.
Bu kavramın geçtiği analizler
Meta-AnalizÇoklu Doğrusal RegresyonLojistik RegresyonPoisson / Negatif Binomial RegresyonSağlam RegresyonCox Regresyonu (Orantılı Tehlikeler Modeli)Survey-PHREGKüme-Sağlam Cox (Marjinal ve Frailty Modeli)
İlgili kavramlar
Artık (kalıntı) grafikleri ve artık tanılamasıAykırı değerMahalanobis uzaklığı