750807_zh-CN

liliconcom

异常值分析

我有一个数据集，想在其中识别异常值或其他兴趣点。查看我的模型实际预测图会发现带有星号标记的点。但是，马哈拉诺比斯距离和杰克奈夫距离不一定以相同的方式识别这些点。有没有关于异常值分析的建议？

基础数据分析与建模回复：异常值分析

数据是如何收集的？这对哪种分析合适有很大影响。正如 Victor 所指出的，马哈拉诺比斯是一个多变量异常值检测器。如果您的响应是单变量的，您可能希望使用良好的旧控制图，但同样，这取决于数据是如何收集的。

回复：异常值分析

嗨@sanch1 ，

您正在比较两种具有不同目标的评估异常值的不同方法：

• 与模型无关的异常值检测方法（如马哈拉诺比斯距离）不依赖于指定模型，而只是基于变量/因素/特征比较点之间的距离。因此，通过此类方法识别出的异常值表示该点看起来“奇怪”，并且似乎不属于其他点的因素分布的一部分。
• 基于残差（学生化残差或其他指标，如 PRESS RMSE/R2...）的基于模型的异常值检测方法，可以识别模型拟合度不佳/预测不佳的异常值。这可能表明模型缺少一些重要项（如交互作用或非线性效应），或者不适合数据。您可以使用其他诊断面板/工具，根据模型的统计显著性以及根据您的目标使用不同指标（如信息准则/RMSE/R2...）来查看模型是否适合您的数据。您还可以通过计算 Cook 距离来检查检测到的基于模型的异常值是否对您的模型有很大影响： https://www.jmp.com/en_us/statistics-knowledge-portal/what-is-multiple-regression/mlr-residual-analysis-and-outliers.html如果这些点的值很高和/或不寻常，则表明这些点可能会产生影响并可能使您的模型产生偏差。然后，您应该调查这些点是什么以及测量结果是否有效，然后再决定是否减少它们对模型的影响或将其移除。

有关异常值的更多信息，请参阅我之前关于类似主题的回答： https://community.jmp.com/t5/Discussions/Supress-the-effect-of-outliers-when-fitting-the-model-and-in/mp/747105/highlight/true#M92689

希望这个回答能帮到你，

回复：异常值分析

@JerryFish发表了一系列关于 Mahalanobis 和 Jackknife 异常值检测的精彩博客文章：
异常值第 3 集：使用马哈拉诺比斯距离（和 T2）检测异常值

异常值第 4 集：使用刀切距离检测异常值

你是如何计算距离的？

回复：异常值分析

@桑奇1,

还有另一个选项称为 Cook's D Influence。您可以通过响应红色三角形下的“保存列”选项保存 Cook's D Influence。选择已保存的列，然后运行分布。如果您的任何数据点按 Cook's D 测量 >= 1，则它们可被视为潜在异常值。请参阅下面的示例分布图。