罗吉斯回归方程式.PPTVIP

偵測離群值離群值(outlier)是指與其他資料相比較不尋常的觀察值→不遵循由其他資料所建立的模式或類型。Minitab對離群值的界定是一個觀察值的標準化殘差若是小於-2或大於+2，就屬於離群值。→用這個標準檢視表15.7巴特勒公司的資料，可以發現在該資料集中並沒有離群值存在。偵測離群值在計算標準化殘差的分母Syi–yi時會用到S，S如果增加，標準化殘差值會因為分母變大而使整個值變小。→即使標準化殘差值本來可能是太大的，但是在分母變大的情況下，可能會使標準化殘差沒有大到讓我們偵測出離群值的存在。→我們使用Student化刪除殘差來取代原來的標準化殘差的計算方式。^Student化刪除殘差與離群值將資料集中的第i個觀察值刪除，然後以剩下的n-1個觀察值來建立新的估計迴歸方程式，用S(i)來表示新估計值的標準差。我們用S(i)而非S來計算修正過的Syi–yi，再用來計算第i個觀察值的標準化殘差←稱為Student化刪除殘差。可以偵測到原來使用標準化殘差時偵測不到的離群值。^使用Minitab所得的巴特勒公司的Student化刪除殘差如表15.8。t分配可以用來判定Student化刪除殘差是否指出離群值。我們以p表示自變數的個數，n表示觀察值的變數，所以若是刪除了第i個觀察值，觀察值的個數應為n-1，誤差平方和的自由度變成(n-1)-p-1。以巴特勒公司為例(n=10,P=2)誤差平方和的自由度=9-2-1=6在0.05的顯著水準下，t分配表中自由度為6的t0.025=2.447。假定第i個Student化刪除殘差小於-2.447或大於+2.447→第i個觀察值是離群值。表15.8中的Student化刪除殘差都不符合此範圍→該資料集中沒有離群值。刪去一個觀察值表15.8巴特勒貨運公司的Student化刪除殘差行駛哩程數(x1)送貨批數(x2)行駛時間(y)標準化殘差100501001005080…4342229.34.88.96.54.26.20.78344-0.34962-0.08334-1.309290.381670.65431………Student化刪除殘差0.75939-0.32654-0.07720-1.394940.357090.62519…具影響力的觀察值Minitab軟體運用經驗法則，將hi＞3(p+1)/n作為界定觀察值是否具有強烈影響力的標準。在巴特勒公司的例子中(n=10,P=2)，如果槓桿作用大於3(2+1)/10=0.9→該觀察值具強烈影響力。表15.9並沒有符合此一標準的槓桿作用→在此資料集裡，並沒有具影響力的觀察值。表15.9巴特勒貨運公司的槓桿作用值及其庫克距離行駛哩程數(x1)送貨批數(x2)行駛時間(y)槓桿作用(hi)100501001005080…4342229.34.88.96.54.26.20.3517040.3758630.3517040.3784510.4302200.220557………庫克距離度量(Di)0.1109940.0245360.0012560.3479230.0366630.040381…使用庫克距離度量

來判定具影響力的觀察值使用槓桿作用來判定具影響力的觀察值可能產生的問題是：被認為具高槓桿作用值的觀察值未必對所求得的估計迴歸方程式具影響力。表15.10xiyihi1180.2041701210.2041702220.1642053210.1381414230.1259774240.1259775260.12771515390.909644以Minitab所得的估計迴歸方程式如下：y=18.2+1.39x將觀察值x=15,y=39自資料集刪除，再由剩下的7個觀察值建立新的估計迴歸方程式如下