La distance de Cook montre si une observation a un effet démesuré sur une régression. Le calculateur de distance de Cook prend le résidu, le levier, le nombre de paramètres, l’erreur quadratique moyenne et le nombre d’observations, et donne la distance de Cook, le résidu standardisé et les seuils usuels de distance et de levier.
Comment se fait le calcul
- Ajustez la régression et relevez, pour l’observation à vérifier, son résidu e, son levier h (diagonale de la matrice chapeau), le nombre de paramètres p et l’erreur quadratique moyenne (EQM).
- La distance de Cook est D = e² ÷ (p × EQM) × h ÷ (1 − h)². Elle combine l’écart du point au modèle (le résidu) et son pouvoir d’attraction (le levier).
- Le résidu standardisé est e ÷ √(EQM × (1 − h)). Il indique la taille du résidu en écarts types.
- Des règles empiriques signalent un point quand D dépasse 4 ÷ n et le jugent très influent quand D dépasse 1. Un levier supérieur à 2 × p ÷ n marque un point éloigné des autres en x.
Exemple
Dans un modèle à p = 2 paramètres ajusté sur n = 30 points, avec une EQM de 4,1, un point a un résidu de −2,4 et un levier de 0,08. La distance de Cook est 5,76 ÷ 8,2 × 0,08 ÷ 0,8464 = 0,0664. Le résidu standardisé est de −1,236. Le seuil 4 ÷ n vaut 0,1333, donc le point n’est pas influent, et son levier est sous le seuil de 0,1333.
Pourquoi c’est utile
Un seul point étrange peut incliner une droite de régression et changer une conclusion. Les logiciels de statistique affichent la distance de Cook pour chaque point, et ce calculateur permet de vérifier une valeur à la main, de comprendre son origine ou de travailler à partir des chiffres d’un rapport.
À savoir
Les seuils sont des règles empiriques et non des tests, et la règle 4 ÷ n signale plus de points quand n diminue. Le levier et le résidu doivent venir du même modèle ajusté, et le résidu est le résidu brut, pas un résidu standardisé. Pour les modèles à nombreux prédicteurs, regardez le graphique de toutes les distances ensemble.
Outils liés
Le calculateur de régression linéaire ajuste un modèle simple, et celui de r-carré mesure la part de variation qu’il explique.