De formule voor Cook’s afstand is:<\/span><\/p>\n d ik<\/sub><\/strong> = ( ri<\/sub> 2<\/sup> \/ p*MSE) * (h ii<\/sub> \/ (1-h ii<\/sub> ) 2<\/sup> )<\/span><\/p>\n Goud:<\/span><\/p>\n In wezen meet de afstand van Cook hoeveel alle aangepaste waarden van het model veranderen wanneer de i -de<\/sup> waarneming wordt verwijderd.<\/span><\/p>\n Hoe groter de waarde van Cooks afstand, hoe invloedrijker een bepaalde waarneming is.<\/span><\/p>\n Over het algemeen wordt aangenomen dat elke waarneming met een Cook-afstand groter dan 4\/n (waarbij n<\/em> = totaal aantal waarnemingen) een grote invloed heeft.<\/span><\/p>\n In het volgende voorbeeld ziet u hoe u de afstand van Cook voor elke waarneming in een regressiemodel in SAS kunt berekenen.<\/span><\/p>\n Laten we aannemen dat we de volgende gegevensset in SAS hebben:<\/span> <\/p>\n We kunnen PROC REG<\/strong> gebruiken om een eenvoudig lineair regressiemodel<\/a> aan deze dataset te koppelen en vervolgens de OUTPUT-<\/strong> instructie met de COOKD-<\/strong> instructie gebruiken om de Cook’s afstand voor elke waarneming in het regressiemodel te berekenen:<\/span><\/p>\n De tabel met uiteindelijke resultaten toont de originele dataset samen met de Cook-afstand voor elke waarneming:<\/span> <\/p>\n We kunnen bijvoorbeeld zien:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n De PROC REG-<\/strong> procedure produceert ook verschillende diagnostische grafieken in de uitvoer en de Cook Distance-grafiek is te zien in deze uitvoer:<\/span> <\/p>\n Op de x-as wordt het observatienummer weergegeven en op de y-as de Cook-afstand voor elke observatie.<\/span><\/p>\n Merk op dat er een grenslijn is geplaatst op 4\/n (in dit geval n = 12, dus de grens ligt op 0,33) en we kunnen zien dat drie waarnemingen in de dataset groter zijn dan deze lijn.<\/span><\/p>\n Dit geeft aan dat deze waarnemingen een grote invloed kunnen hebben op het regressiemodel en misschien nader moeten worden onderzocht voordat de modelresultaten worden ge\u00efnterpreteerd.<\/span><\/p>\n In de volgende zelfstudies wordt uitgelegd hoe u andere veelvoorkomende taken in SAS kunt uitvoeren:<\/span><\/p>\n Hoe u een restplot maakt in SAS<\/a> Cook’s afstand wordt gebruikt om invloedrijke observaties in een regressiemodel te identificeren. De formule voor Cook’s afstand is: d ik = ( ri 2 \/ p*MSE) * (h ii \/ (1-h ii ) 2 ) Goud: ri is het i – de residu p is het aantal co\u00ebffici\u00ebnten in het regressiemodel MSE is de gemiddelde […]<\/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":[],"class_list":["post-4525","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Voorbeeld: Berekening van de afstand van de kok 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
![\"Kookafstand](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cuisiniers3.png\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Histogrammen maken in SAS<\/a>
Hoe puntenwolken te cre\u00ebren in SAS<\/a>
Hoe uitschieters in SAS te identificeren<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"