最後，我們來介紹離群值與影響點。
一、離群值(Outlier)：尋找觀察值Y是否有離群值，我們可用Student殘差來看，其準則為：
二、影響點(Influential)：
1、DFFITS準則為：
2、DFBETAS準則為：
3、Cook’s Distance measure(Cook’s D)準則：
為了了解哪些筆資料有離群值或是影響點，我們再一次點「修改工作」=>選擇「預測」，先勾選「原始樣本」再勾選「診斷統計值」=>執行。
在分析資料時我們發現有兩筆資料(第178、179筆)在記錄時遺失氣缸數，故無法做任何的預測，所以我們將刪除。
首先我們先討論Cook’s D的情形，其圖形如下：
在圖示上，我們可以很明顯看到有似乎只有三筆影響點，配合上述Cook’s D的公式，當Cook’s D的值大於0.013時表示為影響點；因此，我們回到原始資料來查看是哪幾筆。在「結果-SAS報表」旁邊有「輸出資料」=>將資料拉至後方，我們可看到Cookd_EngineSize_log的值。
結果我們發現Cook’s D大於0.013的觀察值分別為：第6、12、47、65、103、105、108、109、149、295、208、297、298、303，共14筆。
接下來我們觀察DFFITS的情形，其圖形如下：
配合上述dffits的公式，當絕對值的diffits大於0.25時即為影響點，我們亦可以從原始資料來觀察。其影響點為：第6、12、47、58、65、93、103、105、108、109、147、149、242、260、295、208、297、298、303、313，共20筆。
透過兩種看影響點的方法，我們發現有14筆資料有重覆，而以DFFITS為標準則找出較多的影響點。
結論：根據迴歸式的估計結果可知當氣缸數較大、馬力較大、車身長度較長，而價格低一點、行走高速公路的油秏差一點，會得到較大的引擎CC數；但是我們將這些影響點列出發現有很明顯的不同。舉例來說，第109筆資料我們發現氣缸數非常的少(只有三個)，且馬力也是最小的，但是在油秏上卻非常的出色。又例如第105筆資料有最多的氣缸數(八個)，馬力非常好，而在油秏上卻表現的不差，在價格方面亦不是很高價…等。
根據上述的分析，除了有兩筆資料有遺失值我們刪除外，其他的觀測值雖為影響點(假設在建資料時沒有錯誤)，但我們仍不應將資料刪除，以反應真實的情形。
Tags
