La formula per la distanza di Cook \u00e8:<\/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 Oro:<\/span><\/p>\n In sostanza, la distanza di Cook misura quanto cambiano tutti i valori adattati del modello quando viene rimossa l’i- esima<\/sup> osservazione.<\/span><\/p>\n Maggiore \u00e8 il valore della distanza di Cook, pi\u00f9 influente \u00e8 una data osservazione.<\/span><\/p>\n In generale, si ritiene che qualsiasi osservazione con una distanza di Cook maggiore di 4\/n (dove n<\/em> = osservazioni totali) abbia una grande influenza.<\/span><\/p>\n L’esempio seguente mostra come calcolare la distanza di Cook per ciascuna osservazione in un modello di regressione in SAS.<\/span><\/p>\n Supponiamo di avere il seguente set di dati in SAS:<\/span> <\/p>\n Possiamo utilizzare PROC REG<\/strong> per adattare un semplice modello di regressione lineare<\/a> a questo set di dati, quindi utilizzare l’istruzione OUTPUT<\/strong> con l’istruzione COOKD<\/strong> per calcolare la distanza di Cook per ciascuna osservazione nel modello di regressione:<\/span><\/p>\n La tabella dei risultati finali mostra il set di dati originale insieme alla distanza di Cook per ciascuna osservazione:<\/span> <\/p>\n Ad esempio, possiamo vedere:<\/span><\/p>\n E cos\u00ec via.<\/span><\/p>\n La procedura PROC REG<\/strong> produce inoltre diversi grafici diagnostici nell’output e il grafico della distanza di Cook pu\u00f2 essere visualizzato in questo output:<\/span> <\/p>\n L’asse x mostra il numero di osservazione e l’asse y mostra la distanza di Cook per ciascuna osservazione.<\/span><\/p>\n Si noti che una linea di demarcazione \u00e8 posizionata su 4\/n (in questo caso n = 12, quindi la linea di demarcazione \u00e8 a 0,33) e possiamo vedere che tre osservazioni nel set di dati sono maggiori di questa linea.<\/span><\/p>\n Ci\u00f2 indica che queste osservazioni potrebbero avere una grande influenza sul modello di regressione e dovrebbero forse essere esaminate pi\u00f9 da vicino prima di interpretare i risultati del modello.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in SAS:<\/span><\/p>\n Come creare un grafico residuo in SAS<\/a> La distanza di Cook viene utilizzata per identificare le osservazioni influenti in un modello di regressione. La formula per la distanza di Cook \u00e8: d i = (r i 2 \/ p*MSE) * (h ii \/ (1-h ii ) 2 ) Oro: r i \u00e8 l’i- esimo residuo p \u00e8 il numero di coefficienti nel […]<\/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
Esempio: calcolo della distanza del cuoco 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
![\"Cucinare](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cuisiniers3.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come creare istogrammi in SAS<\/a>
Come creare nuvole di punti in SAS<\/a>
Come identificare i valori anomali in SAS<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"