Le calculateur de DFFITS et de résidu studentisé vous dit si un point d’une régression est une valeur aberrante et s’il est influent, à partir de son levier, de son résidu et du carré moyen résiduel.
Comment se fait le calcul
- Saisissez le nombre d’observations et de paramètres.
- Saisissez le levier, le résidu brut et le MSE.
- Le calculateur donne les résidus studentisés, le DFFITS, les seuils et la valeur p.
Exemple
Un modèle à 3 paramètres est ajusté à 30 points. Un point a un levier de 0,25, un résidu de 2,4 et le MSE vaut 1,44, donc s = 1,2. Le résidu interne est 2,4 / (1,2 × √0,75) = 2,3094, l’externe est de 2,5298 contre un seuil à 5 % de 2,056, et le DFFITS est de 1,4606 contre 0,6325. Le point est à la fois aberrant et influent.
Pourquoi c’est utile
Le calculateur aide les étudiants et analystes qui vérifient les hypothèses d’une régression, les data scientists qui nettoient des jeux de données, et les chercheurs qui doivent justifier de garder ou de retirer un point.
À savoir
Ne supprimez jamais un point seulement parce qu’un diagnostic le signale. Cherchez d’abord une erreur de saisie, une autre population ou un modèle qui oublie une variable, et rapportez les résultats avec et sans le point. La distance de Cook combine les mêmes ingrédients, et les deux diagnostics s’accordent souvent. Les seuils sont des règles empiriques, et avec beaucoup de points, quelques-uns les dépasseront par hasard. Avec de grands échantillons, utilisez une correction de Bonferroni sur le test du résidu. Le levier ne dépend que des prédicteurs, pas de la réponse, donc un point peut avoir un levier élevé et un petit résidu. Un tel point n’est pas nuisible sauf s’il s’écarte aussi de la tendance.
Outils liés
Le calculateur de distance de Cook donne une autre mesure d’influence, celui de régression linéaire ajuste une droite, celui de R carré mesure l’ajustement et celui de loi de Student donne des valeurs critiques.