La distancia de Cook muestra si una observación tiene un efecto desmesurado sobre una regresión. La calculadora de la distancia de Cook toma el residuo, el apalancamiento, el número de parámetros, el error cuadrático medio y el número de observaciones, y da la distancia de Cook, el residuo estandarizado y los umbrales habituales de distancia y de apalancamiento.
Cómo se hace el cálculo
- Ajusta la regresión y anota, para la observación que quieres comprobar, su residuo e, su apalancamiento h (diagonal de la matriz sombrero), el número de parámetros p y el error cuadrático medio (CME).
- La distancia de Cook es D = e² ÷ (p × CME) × h ÷ (1 − h)². Combina la distancia del punto al modelo (el residuo) y su poder de atracción (el apalancamiento).
- El residuo estandarizado es e ÷ √(CME × (1 − h)). Indica el tamaño del residuo en desviaciones típicas.
- Unas reglas empíricas señalan un punto cuando D supera 4 ÷ n y lo juzgan muy influyente cuando D supera 1. Un apalancamiento superior a 2 × p ÷ n marca un punto alejado de los demás en x.
Ejemplo
En un modelo de p = 2 parámetros ajustado con n = 30 puntos, con un CME de 4,1, un punto tiene un residuo de −2,4 y un apalancamiento de 0,08. La distancia de Cook es 5,76 ÷ 8,2 × 0,08 ÷ 0,8464 = 0,0664. El residuo estandarizado es de −1,236. El umbral 4 ÷ n vale 0,1333, así que el punto no es influyente, y su apalancamiento está por debajo del umbral de 0,1333.
Por qué es útil
Un solo punto extraño puede inclinar una recta de regresión y cambiar una conclusión. Los programas de estadística muestran la distancia de Cook de cada punto, y esta calculadora permite comprobar un valor a mano, entender su origen o trabajar a partir de las cifras de un informe. Es un contenido habitual en las asignaturas de modelos lineales y de regresión de los grados de Estadística, Economía y Ciencias.
Conviene saber
Los umbrales son reglas empíricas y no pruebas, y la regla 4 ÷ n señala más puntos cuando n disminuye. El apalancamiento y el residuo deben proceder del mismo modelo ajustado, y el residuo es el residuo bruto, no un residuo estandarizado. Para los modelos con muchos predictores, mira el gráfico de todas las distancias juntas.
Herramientas relacionadas
La calculadora de regresión lineal ajusta un modelo sencillo, y la de R cuadrado mide la parte de la variación que explica.