Rumus jarak Cook adalah:<\/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 Emas:<\/span><\/p>\n Pada dasarnya, jarak Cook mengukur seberapa besar semua nilai model yang dipasang berubah ketika pengamatan ke<\/sup> -i dihilangkan.<\/span><\/p>\n Semakin besar nilai jarak Cook maka semakin berpengaruh pula observasi yang diberikan.<\/span><\/p>\n Secara umum, setiap observasi dengan jarak Cook lebih besar dari 4\/n (di mana n<\/em> = total observasi) dianggap mempunyai pengaruh yang besar.<\/span><\/p>\n Contoh berikut menunjukkan cara menghitung jarak Cook untuk setiap observasi dalam model regresi di SAS.<\/span><\/p>\n Anggaplah kita memiliki kumpulan data berikut di SAS:<\/span> <\/p>\n Kita dapat menggunakan PROC REG<\/strong> untuk menyesuaikan model regresi linier sederhana<\/a> dengan kumpulan data ini, kemudian menggunakan pernyataan OUTPUT<\/strong> dengan pernyataan COOKD<\/strong> untuk menghitung jarak Cook untuk setiap observasi dalam model regresi:<\/span><\/p>\n Tabel hasil akhir menampilkan dataset asli beserta jarak Cook untuk setiap observasi:<\/span> <\/p>\n Misalnya, kita dapat melihat:<\/span><\/p>\n Dan seterusnya.<\/span><\/p>\n Prosedur PROC REG<\/strong> juga menghasilkan beberapa plot diagnostik pada outputnya dan plot jarak Cook dapat dilihat pada output berikut:<\/span> <\/p>\n Sumbu x menunjukkan jumlah observasi dan sumbu y menunjukkan jarak Cook untuk setiap observasi.<\/span><\/p>\n Perhatikan bahwa garis batas ditempatkan pada 4\/n (dalam hal ini n = 12, sehingga batasnya berada pada 0,33) dan kita dapat melihat bahwa tiga observasi dalam kumpulan data lebih besar dari garis ini.<\/span><\/p>\n Hal ini menunjukkan bahwa observasi ini dapat mempunyai pengaruh yang besar terhadap model regresi dan mungkin harus diperiksa lebih dekat sebelum menginterpretasikan hasil model.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di SAS:<\/span><\/p>\n Cara Membuat Plot Sisa di SAS<\/a> Jarak Cook digunakan untuk mengidentifikasi observasi yang berpengaruh dalam model regresi. Rumus jarak Cook adalah: d i = (r i 2 \/ p*MSE) * (h ii \/ (1-h ii ) 2 ) Emas: r i adalah residu ke -i p adalah jumlah koefisien dalam model regresi MSE adalah kesalahan kuadrat rata-rata h ii adalah nilai […]<\/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
Contoh: Menghitung jarak juru masak di 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
![\"Jarak](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cuisiniers3.png\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara Membuat Histogram di SAS<\/a>
Cara membuat point cloud di SAS<\/a>
Cara mengidentifikasi outlier di SAS<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"