外れ値分析外れ値や関心のあるポイントを特定しようとしているデータセットがあります。モデルを予測プロットで見ると、星印の付いたポイントが表示されます。ただし、マハラノビス距離とジャックナイフ距離では、必ずしもこれらのポイントを同じ方法で特定するわけではありません。外れ値分析に関する推奨事項はありますか?
基本的なデータ分析とモデリング外れ値分析についてデータはどのように収集されましたか? これは、どのような分析が適切であるかに大きな影響を与えます。Victor が指摘しているように、マハラノビスは多変量外れ値検出器です。応答が単変量の場合、古き良き管理図を使用することをお勧めしますが、これもデータの収集方法によって異なります。
外れ値分析についてこんにちは@sanch1 さん
異なる目標を持つ外れ値を評価する 2 つの非常に異なる方法を比較しています。
- マハラノビス距離などのモデルに依存しない外れ値検出方法は、指定されたモデルに依存せず、変数/要因/特徴に基づいてポイント間の距離を比較するだけです。したがって、このタイプの方法によって識別された外れ値は、この点が「奇妙」に見え、他の点の要因分布の一部ではないことを示しています。
- モデルベースの外れ値検出方法は、残差（スタディ化残差、または PRESS RMSE/R2 などの他の指標）に基づいており、モデルによって適切に適合/予測されていない外れ値を識別できます。これは、モデルに重要な用語（相互作用や非線形効果など）が欠落しているか、データに適していない可能性があることを示している可能性があります。他の診断パネル/ツールを使用して、モデルの統計的有意性、情報基準/RMSE/R2 などの目標に応じたさまざまな指標に基づいて、モデルがデータに適合しているかどうかを確認できます。また、検出されたモデルベースの外れ値がモデルに大きな影響を与えているかどうかを確認するには、Cook の距離を計算します。https: //www.jmp.com/en_us/statistics-knowledge-portal/what-is-multiple-regression/mlr-residual-analysis-and-outliers.htmlこれらのポイントの値が高い場合や異常な場合は、これらのポイントが影響力を持ち、モデルにバイアスをかける可能性があることを示しています。次に、モデルへの影響を減らすか削除するかを決定する前に、これらのポイントが何であるか、測定値が有効かどうかを調査する必要があります。
外れ値の詳細については、同様のトピックに関する私の以前の回答をご覧ください: https://community.jmp.com/t5/Discussions/Supress-the-effect-of-outliers-when-fitting-the-model-and-in/mp/747105/highlight/true#M92689
この回答がお役に立てば幸いです。
外れ値分析について@JerryFishによるマハラノビスとジャックナイフ外れ値検出に関する素晴らしいブログ投稿シリーズ:
外れ値エピソード 3: マハラノビス距離 (および T2) を使用して外れ値を検出する
外れ値エピソード 4: ジャックナイフ距離を使用した外れ値の検出
距離はどのように計算しましたか?
外れ値分析について@sanch1,
Cook の D 影響度と呼ばれる別のオプションもあります。Cook の D 影響度は、応答の赤い三角形の下にある列の保存オプションから保存できます。保存した列を選択してから分布を実行します。Cook の D で測定されたデータ ポイントのいずれかが >= 1 である場合、それらは潜在的な外れ値と見なすことができます。以下の分布画像の例を参照してください。
