Cook'un mesafe grafiklerini nasıl okuyabilirim?

7., 16. ve 29. noktaların etkili nokta olup olmadığını bilen var mı? Bir yerlerde, Cook'un mesafesi 1'den düşük olduğundan, olmadıklarını okudum. Ben haklı mıyım?

Bazı metinler size Cook'un mesafesinin 1'den yüksek olduğu noktaların etkili sayılacağını söyler. Diğer metinler size veya eşiğini verir ; burada , gözlemlerin sayısıdır ve , açıklayıcı değişkenlerin sayısıdır. Sizin durumunuzda, ikinci formül 0.1 civarında bir eşik vermelidir.$4/N$$4/(N - k - 1)$$N$$k$

John Fox (1), regresyon teşhisi kitabında, sayısal eşikler söz konusu olduğunda oldukça temkinlidir. Grafiklerin kullanılmasını ve "diğerlerinden büyük ölçüde D değerleri" olan noktaları daha ayrıntılı olarak incelemesini tavsiye eder. Fox'a göre, eşikler sadece grafiksel gösterimleri geliştirmek için kullanılmalıdır.

Sizin durumunuzda gözlemler 7 ve 16 etkili olarak kabul edilebilir. En azından onlara daha yakından bakardım. Gözlem 29, birkaç diğer gözlemden büyük ölçüde farklı değildir.

(1) Tilki, John. (1991). Regresyon Teşhisi: Bir Giriş . Adaçayı Yayınları.

Her ikisi de @lejohn ve @whuber için +1. @ Whuber'nın yorumuna biraz genişletmek istedim. Cook'un mesafesi dfbeta ile karşılaştırılabilir. Cook'un mesafesi , söz konusu gözlem veri setinden çıkarılırsa ortalama olarak tahmin edilen y değerlerinin ne kadar uzağa gideceği anlamına gelir . dfbeta, söz konusu gözlem veri setinden çıkarılırsa bir parametre tahmininin ne kadar değiştiğini belirtir . değişkenleri ile birlikte dfbeta olacağına dikkat edin ( her değişken için kesişme, ve 1 ). Prediktif modelleme yapıyorsanız Cook'un mesafesi muhtemelen sizin için daha önemliyken, açıklayıcı modellemede dfbeta daha önemlidir. $k$$k+1$$\beta_0$$\beta$

Burada yapmaya değer bir nokta daha var. Gözlemsel araştırmada, yordayıcı alan boyunca düzenli olarak örnekleme yapmak zordur ve belirli bir alanda yalnızca birkaç noktaya sahip olabilirsiniz. Bu tür noktalar diğerlerinden ayrılabilir. Birkaç farklı vakaya sahip olmak rahatsız edici olabilir, ancak aykırı aykırılıklar düşmeden önce kayda değer bir düşünceye değer. Öngörüler arasında yasal bir etkileşim olabilir veya tahminde bulunma değerleri aşırı olduğunda sistem farklı davranmaya başlayabilir. Ek olarak, colinear prediktörlerin etkilerini çözmenize yardımcı olabilirler. Etkili noktalar kılık değiştirmiş bir lütuf olabilir.