Die Formel f\u00fcr die Cook-Distanz lautet:<\/span><\/p>\n d i<\/sub><\/strong> = (r i<\/sub> 2<\/sup> \/ p*MSE) * (h ii<\/sub> \/ (1-h ii<\/sub> ) 2<\/sup> )<\/span><\/p>\n Gold:<\/span><\/p>\n Im Wesentlichen misst die Cook-Distanz, wie stark sich alle angepassten Werte des Modells \u00e4ndern, wenn die i- te<\/sup> Beobachtung entfernt wird.<\/span><\/p>\n Je gr\u00f6\u00dfer der Wert der Cook-Distanz ist, desto einflussreicher ist eine bestimmte Beobachtung.<\/span><\/p>\n Im Allgemeinen wird davon ausgegangen, dass jede Beobachtung mit einer Cook-Distanz von mehr als 4\/n (wobei n<\/em> = Gesamtbeobachtungen) einen gro\u00dfen Einfluss hat.<\/span><\/p>\n Das folgende Beispiel zeigt, wie die Cook-Distanz f\u00fcr jede Beobachtung in einem Regressionsmodell in SAS berechnet wird.<\/span><\/p>\n Nehmen wir an, wir haben den folgenden Datensatz in SAS:<\/span> <\/p>\n Wir k\u00f6nnen PROC REG<\/strong> verwenden, um ein einfaches lineares Regressionsmodell<\/a> an diesen Datensatz anzupassen, und dann die OUTPUT-<\/strong> Anweisung mit der COOKD-<\/strong> Anweisung verwenden, um die Cook-Distanz f\u00fcr jede Beobachtung im Regressionsmodell zu berechnen:<\/span><\/p>\n Die Endergebnistabelle zeigt den Originaldatensatz zusammen mit der Cook-Distanz f\u00fcr jede Beobachtung:<\/span> <\/p>\n Wir k\u00f6nnen zum Beispiel sehen:<\/span><\/p>\n Und so weiter.<\/span><\/p>\n Die PROC REG-<\/strong> Prozedur erzeugt au\u00dferdem mehrere Diagnosediagramme in der Ausgabe, und das Cook-Distanzdiagramm ist in dieser Ausgabe zu sehen:<\/span> <\/p>\n Die x-Achse zeigt die Beobachtungsnummer und die y-Achse zeigt die Cook-Distanz f\u00fcr jede Beobachtung.<\/span><\/p>\n Beachten Sie, dass eine Grenzlinie bei 4\/n liegt (in diesem Fall n = 12, also liegt die Grenzlinie bei 0,33) und wir sehen k\u00f6nnen, dass drei Beobachtungen im Datensatz gr\u00f6\u00dfer als diese Linie sind.<\/span><\/p>\n Dies deutet darauf hin, dass diese Beobachtungen einen gro\u00dfen Einfluss auf das Regressionsmodell haben k\u00f6nnten und m\u00f6glicherweise vor der Interpretation der Modellergebnisse genauer untersucht werden sollten.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in SAS ausf\u00fchren:<\/span><\/p>\n So erstellen Sie ein Restdiagramm in SAS<\/a> Die Cook-Distanz wird verwendet, um einflussreiche Beobachtungen in einem Regressionsmodell zu identifizieren. Die Formel f\u00fcr die Cook-Distanz lautet: d i = (r i 2 \/ p*MSE) * (h ii \/ (1-h ii ) 2 ) Gold: r i ist der i -te Rest p ist die Anzahl der Koeffizienten im Regressionsmodell MSE ist der mittlere […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel: Berechnung der Kochdistanz in SAS<\/strong><\/h2>\n
\/*create dataset*\/\n<\/span>data<\/span> my_data;\n input<\/span> xy;\n datalines<\/span> ;\n8 41\n12 42\n12 39\n13 37\n14 35\n16 39\n17 45\n22 46\n24 39\n26 49\n29 55\n30 57\n;\nrun<\/span> ;\n\n\/*view dataset*\/\n<\/span>proc print<\/span> data<\/span> =my_data;\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cuisiniers1.png\")
<\/p>\n \/*fit simple linear regression model and calculate Cook's distance for each obs*\/\n<\/span>proc reg<\/span> data<\/span> =my_data;\n model<\/span> y=x;\n output<\/span> out=cooksData cookd<\/span> =cookd;\nrun<\/span> ;\n\n\/*print Cook's distance values for each observation*\/\n<\/span>proc print<\/span> data<\/span> =cooksData;\n<\/span><\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cuisiniers2.png\")
<\/p>\n\n
![\"Kochdistanz](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cuisiniers3.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So erstellen Sie Histogramme in SAS<\/a>
So erstellen Sie Punktwolken in SAS<\/a>
So identifizieren Sie Ausrei\u00dfer in SAS<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"