WikiDer > Дистанция повара - Википедия

В статистика, Расстояние повара или же Повара D является обычно используемой оценкой влияние точки данных при выполнении метода наименьших квадратов регрессивный анализ.^[1] В практическом обыкновенный метод наименьших квадратов При анализе расстояние Кука можно использовать несколькими способами: для обозначения важных точек данных, достоверность которых особенно стоит проверить; или указать области пространства дизайна, где было бы хорошо получить больше точек данных. Он назван в честь американского статистика. Р. Деннис Кук, который представил концепцию в 1977 году.^[2][3]

Определение

Точки данных с большим остатки (выбросы) и / или высокий использовать может исказить результат и точность регрессии. Расстояние Кука измеряет эффект удаления данного наблюдения. Считается, что точки с большим расстоянием Кука заслуживают более внимательного изучения при анализе.

Для алгебраического выражения сначала определите

${ displaystyle { underset {n times 1} { mathbf {y}}} = { underset {n times p} { mathbf {X}}} quad { underset {p times 1} { boldsymbol { beta}}} quad + quad { underset {n times 1} { boldsymbol { varepsilon}}}}$

куда ${ displaystyle { boldsymbol { varepsilon}} sim { mathcal {N}} left (0, sigma ^ {2} mathbf {I} right)}$ это срок ошибки, ${ displaystyle { boldsymbol { beta}} = left [ beta _ {0} , beta _ {1} dots beta _ {p-1} right]}$ - матрица коэффициентов, ${ displaystyle p}$ - количество ковариат или предикторов для каждого наблюдения, и ${ displaystyle mathbf {X}}$ это матрица дизайна включая константу. В наименьших квадратов тогда оценка ${ displaystyle mathbf {b} = left ( mathbf {X} ^ { mathsf {T}} mathbf {X} right) ^ {- 1} mathbf {X} ^ { mathsf {T} } mathbf {y}}$, и, следовательно, подобранные (предсказанные) значения для среднего ${ displaystyle mathbf {y}}$ находятся

${ displaystyle mathbf { widehat {y}} = mathbf {X} mathbf {b} = mathbf {X} left ( mathbf {X} ^ { mathsf {T}} mathbf {X} right) ^ {- 1} mathbf {X} ^ { mathsf {T}} mathbf {y} = mathbf {H} mathbf {y}}$

куда ${ Displaystyle mathbf {H} Equiv mathbf {X} ( mathbf {X} ^ { mathsf {T}} mathbf {X}) ^ {- 1} mathbf {X} ^ { mathsf { T}}}$ это матрица проекции (или шляпная матрица). В ${ displaystyle i}$-й диагональный элемент ${ displaystyle mathbf {H} ,}$, данный ${ displaystyle h_ {ii} Equiv mathbf {x} _ {i} ^ { mathsf {T}} ( mathbf {X} ^ { mathsf {T}} mathbf {X}) ^ {- 1 } mathbf {x} _ {i}}$,^[4] известен как использовать из ${ displaystyle i}$-е наблюдение. Точно так же ${ displaystyle i}$-й элемент остаточного вектора ${ displaystyle mathbf {e} = mathbf {y} - mathbf { widehat {y ,}} = left ( mathbf {I} - mathbf {H} right) mathbf {y}}$ обозначается ${ displaystyle e_ {i}}$.

Расстояние повара ${ displaystyle D_ {i}}$ наблюдения ${ Displaystyle я ; ({ текст {для}} я = 1, точки, п)}$ определяется как сумма всех изменений в регрессионной модели при наблюдении ${ displaystyle i}$ удален из него^[5]

${ displaystyle D_ {i} = { frac { sum _ {j = 1} ^ {n} left ({ widehat {y ,}} _ {j} - { widehat {y ,}}) _ {j (i)} right) ^ {2}} {ps ^ {2}}}}$

куда ${ displaystyle { widehat {y ,}} _ {j (i)}}$ является подобранным значением отклика, полученным при исключении ${ displaystyle i}$, и ${ displaystyle s ^ {2} = { frac { mathbf {e} ^ { top} mathbf {e}} {n-p}}}$ это среднеквадратичная ошибка регрессионной модели.^[6]

Точно так же это можно выразить с помощью кредитного плеча.^[5] (${ displaystyle h_ {ii}}$):

${ displaystyle D_ {i} = { frac {e_ {i} ^ {2}} {ps ^ {2}}} left [{ frac {h_ {ii}} {(1-h_ {ii}) ^ {2}}} right].}$

Обнаружение очень важных наблюдений

Существуют разные мнения относительно того, какие пороговые значения использовать для определения высоких влиятельные точки. Поскольку расстояние Кука находится в метрике F распределение с ${ displaystyle p}$ и ${ displaystyle n-p}$ (как определено для матрицы проектирования ${ displaystyle mathbf {X}}$ выше) степеней свободы, средняя точка (т. е. ${ Displaystyle F_ {0,5} (п, п-п)}$) можно использовать в качестве отсечки.^[7] Поскольку это значение близко к 1 для больших ${ displaystyle n}$, простое руководство по эксплуатации ${ displaystyle D_ {i}> 1}$ было предложено.^[8]Обратите внимание, что мера расстояния Кука не всегда правильно определяет важные наблюдения.^[9]

Связь с другими мерами влияния (и интерпретация)

${ displaystyle D_ {i}}$ можно выразить с помощью Использовать^[5] (${ Displaystyle 0 Leq H_ {II} Leq 1}$) и квадрат внутри Студентизованный остаток (${ displaystyle 0 leq t_ {я} ^ {2}}$), следующее:

${ displaystyle { begin {align} D_ {i} & = { frac {e_ {i} ^ {2}} {ps ^ {2}}} left [{ frac {h_ {ii}} {( 1-h_ {ii}) ^ {2}}} right] = { frac {1} {p}} { frac {e_ {i} ^ {2}} {{1 over np} sum _ {j = 1} ^ {n} { widehat { varepsilon ,}} _ {j} ^ {, 2} (1-h_ {ii})}} left [{ frac {h_ {ii} } {(1-h_ {ii})}} right] & = left [{ frac {1} {p}} right] t_ {i} ^ {2} { frac {h_ {ii }} {1-h_ {ii}}}. End {align}}}$

Преимущество последней формулировки состоит в том, что она ясно показывает взаимосвязь между ${ displaystyle t_ {i} ^ {2}}$ и ${ displaystyle h_ {ii}}$ к ${ displaystyle D_ {i}}$ (при этом p и n одинаковы для всех наблюдений). Если ${ displaystyle t_ {i} ^ {2}}$ велико (для неэкстремальных значений ${ displaystyle h_ {ii}}$) увеличится ${ displaystyle D_ {i}}$. Если ${ displaystyle h_ {ii}}$ близко к 0, чем ${ displaystyle D_ {i}}$ будет маленьким, а если ${ displaystyle h_ {ii}}$ близко к 1, тогда ${ displaystyle D_ {i}}$ станет очень большим (пока ${ displaystyle t_ {i} ^ {2}> 0}$, то есть: что наблюдение ${ displaystyle i}$ не совсем на линии регрессии, которая была подогнана без наблюдения ${ displaystyle i}$).

${ displaystyle D_ {i}}$ относится к DFFITS через следующие отношения (обратите внимание, что ${ displaystyle {{ widehat { sigma}} over { widehat { sigma}} _ {(i)}} t_ {i} = t_ {i (i)}}$ это внешне студенизированный остаток, и ${ displaystyle { widehat { sigma}}, { widehat { sigma}} _ {(я)}}$ определены здесь):

${ displaystyle { begin {align} D_ {i} & = left [{ frac {1} {p}} right] t_ {i} ^ {2} { frac {h_ {ii}} {1 -h_ {ii}}} & = left [{ frac {1} {p}} right] {{ widehat { sigma}} _ {(i)} ^ {2} over { widehat { sigma}} ^ {2}} {{ widehat { sigma}} ^ {2} over { widehat { sigma}} _ {(i)} ^ {2}} t_ {i} ^ {2} { frac {h_ {ii}} {1-h_ {ii}}} = left [{ frac {1} {p}} right] {{ widehat { sigma}} _ {( i)} ^ {2} over { widehat { sigma}} ^ {2}} left (t_ {i (i)} { sqrt { frac {h_ {ii}} {1-h_ {ii) }}}} right) ^ {2} & = left [{ frac {1} {p}} right] {{ widehat { sigma}} _ {(i)} ^ {2} over { widehat { sigma}} ^ {2}} { text {DFFITS}} ^ {2} end {align}}}$

${ displaystyle D_ {i}}$ можно интерпретировать как расстояние, на которое оценки перемещаются внутри доверительного эллипсоида, который представляет собой область вероятных значений параметров.^{[требуется разъяснение]} Это показано альтернативным, но эквивалентным представлением расстояния Кука в терминах изменений оценок параметров регрессии между случаями, когда конкретное наблюдение либо включено, либо исключено из регрессионного анализа.

Программные реализации

Многие программы и статистические пакеты, такие как р, Pythonи т. д., включают реализации расстояния Кука.

Расширения

Измерение влияния больших размеров (HIM), является альтернативой расстоянию Кука, когда ${ displaystyle p> n}$ (т.е. больше предсказателей, чем наблюдений).^[10] В то время как расстояние Кука количественно определяет влияние отдельного наблюдения на оценку коэффициента регрессии методом наименьших квадратов, HIM измеряет влияние наблюдения на предельные корреляции.

Смотрите также

• Выброс
• Кредитное плечо (статистика)
• Частичное кредитное плечо
• DFFITS
• Студентизованный остаток

Рекомендации

дальнейшее чтение

• Аткинсон, Энтони; Риани, Марко (2000). «Диагностика удаления». Надежная диагностика и регрессионный анализ. Нью-Йорк: Спрингер. С. 22–25. ISBN 0-387-95017-6.
• Heiberger, Richard M .; Голландия, Берт (2013). «Статистика дел». Статистический анализ и отображение данных. Springer Science & Business Media. С. 312–27. ISBN 9781475742848.
• Краскер, Уильям S .; Кух, Эдвин; Велш, Рой Э. (1983). «Оценка грязных данных и ошибочных моделей». Справочник по эконометрике. 1. Эльзевир. С. 651–698. Дои:10.1016 / S1573-4412 (83) 01015-6. ISBN 9780444861856.
• Агинис, Герман; Готтфредсон, Райан К .; Джу, Гарри (2013). «Рекомендации по передовой практике для определения и обработки выбросов». Организационные методы исследования. Мудрец. 16 (2): 270–301. Дои:10.1177/1094428112470848. S2CID 54916947. Получено 4 декабря 2015.