Aller au contenu
Omnikalc

Calculateur de DFFITS et de résidu studentisé

Saisissez le nombre d’observations, le nombre de paramètres, le levier, le résidu brut et le carré moyen résiduel d’une régression pour obtenir le résidu studentisé, le DFFITS et les seuils qui signalent une valeur aberrante ou un point influent.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Résidu studentisé externe

2,5298

Valeur aberrante possible au seuil de 5 %

DFFITS

1,4606

Influente : retirer ce point change beaucoup sa propre valeur ajustée
Résidu studentisé interne
2,3094
Valeur critique à 5 %
2,056
Seuil du DFFITS 2·√(p/n)
0,6325
Seuil de levier 2p/n
0,2000
Levier élevé : le point est loin des autres dans les prédicteurs
Valeur p bilatérale du résidu
0,0178

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.

Questions fréquentes

Qu’est-ce qu’un résidu studentisé ?

C’est un résidu divisé par une estimation de son propre écart type, ce qui rend les résidus comparables. La version externe estime l’erreur sans le point concerné, donc une vraie valeur aberrante ne se cache pas en gonflant l’erreur.

Que mesure le DFFITS ?

C’est la variation de la valeur ajustée d’une observation, en erreurs types, quand cette observation est exclue de l’ajustement. Une règle courante signale |DFFITS| au-dessus de 2 × √(p / n).

Où trouver le levier et le MSE ?

Les logiciels de statistique donnent le levier (valeur chapeau) de chaque point et le carré moyen résiduel du modèle. Le levier est compris entre 1/n et 1, et la somme des leviers vaut le nombre de paramètres.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.