Análisis de valores atípicosTengo un conjunto de datos en el que intento identificar valores atípicos o puntos de interés. Al observar mis modelos reales según la trama prevista, se revelan puntos con un marcador de estrella. Sin embargo, la distancia de Mahalanobis y la distancia de Jacknife no necesariamente identifican estos puntos de la misma manera. ¿Existe alguna recomendación sobre el análisis de valores atípicos?
Análisis y modelado de datos básicosRe: Análisis de valores atípicos¿Cómo se recogieron los datos? Esto tiene un efecto enorme sobre qué análisis es apropiado. Como indica Víctor, Mahalanobis es un detector de valores atípicos multivariado. Si su respuesta es univariante, es posible que desee utilizar gráficos de control antiguos y buenos, pero nuevamente, depende de cómo se recopilaron los datos.
Re: Análisis de valores atípicosHi @sanch1,
Estás comparando dos formas muy diferentes de evaluar valores atípicos con diferentes objetivos:
- Los métodos de detección de valores atípicos independientes del modelo, como las distancias de Mahalanobis, no se basan en un modelo específico y simplemente comparan la distancia entre puntos en función de variables/factores/características. Entonces, un valor atípico identificado por este tipo de métodos indica que este punto parece "extraño" y no parece ser parte de las distribuciones de factores de los otros puntos.
- Métodos de detección de valores atípicos basados en modelos, basados en residuos (residuos Studentized u otras métricas como PRESS RMSE/R2...) que permiten identificar valores atípicos que no están bien ajustados/predichos por el modelo. Esto puede ser una indicación de que al modelo le pueden faltar algunos términos importantes (como interacción o efectos no lineales) o puede que no sea apropiado para los datos. Puede utilizar otros paneles/herramientas de diagnóstico para ver si el modelo parece ajustarse bien a sus datos, según la importancia estadística de su modelo, diferentes métricas según su objetivo, como criterio de información/RMSE/R2... También puede verificar si este valor atípico detectado basado en el modelo tiene un fuerte impacto en su modelo al calcular las distancias de Cook: https://www.jmp.com/en_us/statistics-knowledge-portal/what-is-multiple-regression/mlr-residual-analysis -and-outliers.html Si los valores de estos puntos son altos y/o inusuales, es una indicación de que estos puntos podrían ser influyentes y pueden sesgar su modelo. Luego debes investigar cuáles son estos puntos y si las mediciones son válidas, antes de decidir si disminuir su influencia en el modelo o eliminarlos.
Más información sobre valores atípicos en mi respuesta anterior sobre un tema similar: https://community.jmp.com/t5/Discussions/Supress-the-effect-of-outliers-when-fitting-the-model-and-in/mp/ 747105/resaltado/verdadero#M92689
Espero que esta respuesta te ayude,
Re: Análisis de valores atípicosBonita serie de publicaciones de blog de @JerryFish sobre la detección de valores atípicos de Mahalanobis y Jackknife:
Outliers Episodio 3: Detección de valores atípicos utilizando la distancia de Mahalanobis (y T2)
Outliers Episodio 4: Detección de valores atípicos utilizando la distancia jackknife
¿Cómo calculaste las distancias?
Re: Análisis de valores atípicos@sanch1,
Hay otra opción llamada Influencia D de Cook. Guarda la influencia D de Cook a través de la opción Guardar columnas debajo del triángulo rojo de Respuesta. Seleccione la columna guardada y luego ejecute una distribución. Si alguno de sus puntos de datos es >= 1 según lo medido por la D de Cook, puede considerarse un valor atípico potencial. Vea la imagen de distribución de ejemplo a continuación.
