Valeurs aberrantes et points influents

Considérons le nuage de points du revenu annuel en fonction du nombre d’années de scolarité, ajusté à une droite de régression.

Une personne qui n’a que quelques années de scolarité a un revenu exceptionnellement élevé par rapport aux autres.

Un tel point de données qui ne suit pas la tendance et qui est éloigné de la ligne de régression dans la direction verticale est appelé une valeur aberrante.

Quantitativement, les valeurs aberrantes peuvent être identifiées à l’aide de résidus, c’est-à-dire la différence entre la valeur y observée du point de données et la valeur y prédite à partir de l’équation de régression.

Maintenant, l’écart-type du résidu est calculé à l’aide de sa formule.

En règle générale, les points de données situés au moins deux écarts-types résiduels au-dessus et au-dessous de la droite de régression sont signalés comme des valeurs aberrantes potentielles.

De plus, les ensembles de données peuvent également avoir des points influents. Ces points sont situés horizontalement, loin du reste des points. L’ajout ou la suppression des points influents modifie considérablement la ligne de régression.