发布日期: 11/15/2021

离群值分析

“离群值分析”菜单包含的每个选项都显示或隐藏各图,这些图用于测量相对于相关性结构的多元意义上的距离。例如,在图 3.5 中,“点 A”是一个离群值,这是因为它位于相关性结构之外,即便它在任意坐标方向上都不是一个离群值。

图 3.5 离群值示例 

Image shown here

“离群值分析”菜单中的每个选项都显示或隐藏相应距离的图。检验是在图底部显示的 alpha 水平下执行的。以下选项可用:

Mahalanobis 距离

显示或隐藏每个点与多元均值(重心)的 Mahalanobis 距离。标准 Mahalanobis 距离取决于数据的均值、标准差和相关性的估计值。为每个观测编号都标绘距离。通过突出显示具有最大距离值的点来标识极端多元离群值。请参见Mahalanobis 距离测度

Jackknife 距离

显示或隐藏使用 Jackknife 方法计算的距离。使用均值、标准差和相关性矩阵(不含观测本身)的估计值计算每个观测的距离。当存在离群值时 Jackknife 距离会很有用。在这种情况下,Mahalanobis 距离会失真,往往会隐藏离群值或令其他点看起来比实际上离群。请参见Jackknife 距离测度

T2

显示或隐藏 Mahalanobis 距离平方后的距离。该图更适用于多元控制图,它包含计算的 T2 统计量的值及其上控制限。落在该限值之外的值可能为离群值。请参见T2 距离测度

图 3.6 离群值分析图 

Image shown here

保存距离和值

您可以通过从该图的红色小三角菜单中选择保存选项,将所有距离保存至数据表。

注意:没有任何公式与 Jackknife 距离列一同保存。这意味着您修改数据表后会重新计算该距离。若在数据表中添加/删除列或更改值,请再次选择分析 > 多元方法 > 多元以计算新的 Jackknife 距离。

除了保存每行的距离值,还会创建一个列属性,用于对指定的“离群值分析”类型提供上控制限 (UCL) 值。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).