Viene calcolato come segue:<\/span><\/p>\n Residuo = Valore osservato \u2013 Valore previsto<\/strong><\/span><\/p>\n Se tracciassimo i valori osservati e sovrapponessimo la linea di regressione adattata, i residui per ciascuna osservazione<\/a> sarebbero la distanza verticale tra l’osservazione e la linea di regressione:<\/span> <\/p>\n Un tipo di residuo che utilizziamo spesso per identificare i valori anomali in un modello di regressione \u00e8 chiamato residuo standardizzato<\/strong> .<\/span><\/p>\n Viene calcolato come segue:<\/span><\/p>\n r i<\/sub> = e i<\/sub> \/ s(e i<\/sub> )<\/strong> = e i<\/sub> \/ RSE\u221a 1-h ii<\/sub><\/span><\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n In pratica, spesso consideriamo come un valore anomalo qualsiasi residuo standardizzato il cui valore assoluto sia maggiore di 3.<\/span><\/p>\n Questo tutorial fornisce un esempio passo passo di come calcolare i residui standardizzati in Python.<\/span><\/p>\n Per prima cosa creeremo un piccolo set di dati con cui lavorare in Python:<\/span><\/p>\n Successivamente, adatteremo un semplice modello di regressione lineare<\/a> :<\/span><\/p>\n Successivamente, calcoleremo i residui standardizzati del modello:<\/span><\/p>\n Dai risultati, possiamo vedere che nessuno dei residui standardizzati supera il valore assoluto di 3. Pertanto, nessuna delle osservazioni sembra essere un valore anomalo.<\/span><\/p>\n Infine, possiamo creare un grafico a dispersione per visualizzare i valori della variabile predittore rispetto ai residui standardizzati:<\/span><\/p>\n Cosa sono i residui?<\/a> Un residuo \u00e8 la differenza tra un valore osservato e un valore previsto in un modello di regressione . Viene calcolato come segue: Residuo = Valore osservato \u2013 Valore previsto Se tracciassimo i valori osservati e sovrapponessimo la linea di regressione adattata, i residui per ciascuna osservazione sarebbero la distanza verticale tra l’osservazione e la […]<\/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![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residus1-1.png\")
<\/p>\n\n
Passaggio 1: inserisci i dati<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#create dataset\n<\/span>df = pd. DataFrame<\/span> ({' x<\/span> ': [8, 12, 12, 13, 14, 16, 17, 22, 24, 26, 29, 30],\n ' y<\/span> ': [41, 42, 39, 37, 35, 39, 45, 46, 39, 49, 55, 57]})\n<\/strong><\/pre>\n Passaggio 2: adattare il modello di regressione<\/strong><\/span><\/h3>\n
import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#define response variable\n<\/span>y = df[' y<\/span> ']\n\n#define explanatory variable\n<\/span>x = df[' x<\/span> ']\n\n#add constant to predictor variables\n<\/span>x = sm. add_constant<\/span> (x)\n\n#fit linear regression model\n<\/span>model = sm. OLS<\/span> (y,x). fit<\/span> ()<\/strong><\/span><\/pre>\n Passaggio 3: calcolare i residui standardizzati<\/strong><\/span><\/h3>\n
#create instance of influence\n<\/span>influence = model. get_influence<\/span> ()\n\n#obtain standardized residuals\n<\/span>standardized_residuals = influence. reside_studentized_internal<\/span>\n\n#display standardized residuals\n<\/span>print<\/span> (standardized_residuals)\n\n[ 1.40517322 0.81017562 0.07491009 -0.59323342 -1.2482053 -0.64248883\n 0.59610905 -0.05876884 -2.11711982 -0.066556 0.91057211 1.26973888]<\/strong><\/pre>\n Passaggio 4: visualizzare i residui standardizzati<\/strong><\/span><\/h3>\n
import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\nplt. scatter<\/span> (df.x, standardized_residuals)\nplt. xlabel<\/span> (' x<\/span> ')\nplt. ylabel<\/span> (' Standardized Residuals<\/span> ')\nplt. axhline<\/span> (y=0, color=' black<\/span> ', linestyle=' --<\/span> ', linewidth=1)\nplt. show<\/span> ()<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Cosa sono i residui standardizzati?<\/a>
Come calcolare i residui standardizzati in R<\/a>
Come calcolare i residui standardizzati in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"