스튜던트화 잔차를 이용한 진단안녕하세요 여러분,
저는 두 개의 명목 고정 요인과 하나의 변량 요인을 포함하는 REML 혼합 모델의 이상값을 식별하려고 합니다. 아래 스크린샷에 표시된 것처럼 패리티 플롯, 행별 잔차 플롯 및 예측 플롯별 잔차는 모두 6개의 관측치를 강력한 특이치(검은색 점)로 명확하게 표시했습니다. 그러나 이러한 이상값은 잔차가 다른 잔차와 비교 가능하고(회색 점) +/- 3 한계 내에 있는 스튜던트화 잔차 그림에서는 캡처되지 않습니다. 또한 이상값 중 3개를 제거하고 모델을 다시 맞춤으로써 모든 것이 완전히 괜찮아 보이고 처음에 이상값으로 식별된 다른 세 가지 관측값이 이제 모델에 의해 잘 예측됩니다. 이러한 경우의 근본 원인은 무엇입니까? 감사합니다.
이상치 3개를 제거한 후 모델을 다시 피팅합니다.
데이터 탐색 및 시각화품질 및 프로세스 엔지니어링윈도우Re: 스튜던트화 잔차를 이용한 진단먼저, 커뮤니티에 오신 것을 환영합니다.
내 생각:
특정 모델(및 그 적합성)을 평가하는 데 사용되는 여러 가지 통계가 있습니다. 잔차 그림(스튜던트화 포함)은 이상값을 식별하는 데 매우 도움이 될 수 있습니다. 모든 상황에서 이를 수행하는 데 가장 적합한 플롯은 없습니다. 플롯이 이러한 잠재적으로 비정상적인 지점을 식별할 때 비정상적인 실제 데이터가 아니라 모드가 실제 데이터 지점을 제대로 예측하지 못했다는 점을 기억해야 합니다. 이는 모델을 재평가해야 할 수도 있는 지표입니다(더 중요한 것은 실제 메커니즘/인과 관계를 더 잘 이해할 수 있다는 것입니다). 또한 모델 평가(RMSE, p-값, R-제곱-R-제곱 조정 델타 등)와 관련된 모델 및 모든 통계는 모두 조건부라는 점을 기억하세요. 모델에 있는 내용이나 MSE 또는 추론 공간 등을 추정하는 내용을 변경하면 모델 적합성이 변경될 수 있습니다(따라서 데이터를 제거할 때 새 모델이 생성되고 잔차 플롯이 변경되는 이유). 이상값이 식별되면 항상 실질적인 중요성을 먼저 사용합니다. 그러면 모델의 항이 실제 값을 적절하게 예측하지 못할 가능성이 있습니다. 이는 종종 시스템의 소음 효과와 일관되지 않은 소음의 결과입니다. 잔차를 행별로 표시할 때 항상 데이터가 먼저 실행 순서로 정렬되어 있는지 확인하십시오. 이는 모델이 언제 작동하는지에 대한 단서를 제공할 수 있습니다. 문제 .
