Cara menghitung sisa siswa dengan python

Sisa siswa hanyalah sisa dibagi dengan perkiraan deviasi standarnya.

Dalam praktiknya, secara umum kita mengatakan bahwa observasi apa pun dalam kumpulan data yang sisa siswanya lebih besar dari nilai absolut 3 adalah outlier.

Kita dapat dengan cepat memperoleh sisa model regresi yang dipelajari dengan Python menggunakan fungsi OLSResults.outlier_test() dari statsmodels, yang menggunakan sintaks berikut:

Hasil OLS.outlier_test()

di mana OLSResults adalah nama kecocokan model linier menggunakan fungsi statsmodels ols() .

Contoh: perhitungan residu yang dipelajari dengan Python

Misalkan kita membangun model regresi linier sederhana berikut dengan Python:

 #import necessary packages and functions
import numpy as np
import pandas as pd
import statsmodels. api as sm
from statsmodels. formula . api import ols

#create dataset
df = pd. DataFrame ({'rating': [90, 85, 82, 88, 94, 90, 76, 75, 87, 86],
                   'points': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19]})

#fit simple linear regression model
model = ols('rating ~ points', data=df). fit ()

Kita dapat menggunakan fungsi outlier_test() untuk menghasilkan DataFrame yang berisi sisa siswa untuk setiap observasi dalam kumpulan data:

 #calculate studentized residuals
stud_res = model. outlier_test ()

#display studentized residuals
print(stud_res)

    student_resid unadj_p bonf(p)
0 -0.486471 0.641494 1.000000
1 -0.491937 0.637814 1.000000
2 0.172006 0.868300 1.000000
3 1.287711 0.238781 1.000000
4 0.106923 0.917850 1.000000
5 0.748842 0.478355 1.000000
6 -0.968124 0.365234 1.000000
7 -2.409911 0.046780 0.467801
8 1.688046 0.135258 1.000000
9 -0.014163 0.989095 1.000000

DataFrame ini menampilkan nilai berikut untuk setiap observasi dalam kumpulan data:

• Residu yang dipelajari
• Nilai p yang belum disesuaikan dari sisa siswa
• Nilai p sisa siswa yang dikoreksi Bonferroni

Terlihat bahwa sisa siswa pada observasi pertama pada dataset adalah -0.486471 , sisa siswa pada observasi kedua adalah -0.491937 , dan seterusnya.

Kita juga dapat membuat plot cepat dari nilai variabel prediktor terhadap sisa siswa yang sesuai:

 import matplotlib. pyplot as plt

#define predictor variable values and studentized residuals
x = df[' points ']
y = stud_res[' student_resid ']

#create scatterplot of predictor variable vs. studentized residuals
plt. scatter (x,y)
plt. axhline (y=0, color=' black ', linestyle=' -- ')
plt. xlabel (' Points ')
plt. ylabel (' Studentized Residuals ') 

Dari grafik terlihat bahwa tidak ada satupun observasi yang memiliki sisa siswa dengan nilai absolut lebih besar dari 3, sehingga tidak ada outlier yang jelas pada dataset.

Sumber daya tambahan

Cara melakukan regresi linier sederhana dengan Python
Cara melakukan regresi linier berganda dengan Python
Cara Membuat Plot Sisa dengan Python