Forfatter av avsnitt: Sebastian Jentschke

Hvordan identifiserer jeg ekstremverdier og filtrerer dem ut fra analysene?

Outliers_Filter_Shortcut

  • åpne Data-fanen og velg Filter (enten ved å bruke symbolet i ikonlinjen eller symbolet i nederste venstre hjørne av jamovi-vinduet)
    for å få tilgang til funksjoner, trykk på ikonet fx i filterinnstillingene
    det finnes også en bryter hvor du kan aktivere eller deaktivere filteret (se kommentaren i rødt nedenfor)
    du lukker filterinnstillingene ved å trykke på pilen i øverste høyre hjørne
  • det eksisterer tre store tilnærminger for å utelukke ekstremverdier:

    1. basert på z-skårer (absoluttverdien bør være større enn 3,3; dette tilsvarer en sannsynlighet på 0,1 % = 1 / 1000; basert på en standard normalfordeling ~ parametrisk)

    2. basert på IQR (som i et boksplott; basert på rangeringer og kvantiler ~ ikke-parametrisk)

    3. basert på Mahalanobis-distansen (multivariate ekstremverdier)

    for 1. og 2. finnes det funksjoner i jamovi (se neste kulepunkt), for 3. må du bruke R-kode (beskrevet to kulepunkt nedenfor); for 2. kan du også gjøre det visuelt (tre kulepunkt nedenfor)
  • du kan enten bruke et funksjonsbasert utvalg; funksjonene nedenfor filtrerer ut linjer basert på enten z-skårene (første linje), det interkvartilavstand (IQR, andre linje) eller ved å ekskludere visse rader / radtall (f.eks. basert på resultatet fra beregningen av Mahalanobis-distansen lenger nede; tredje linje):
    MAXABSZ([VARIABLE1], [VARIABLE2], …)

    MAXABSIQR([VARIABLE1], [VARIABLE2], …)

    IFMISS(MATCH(ROW(), [ROWNUMBER 1], [ROWNUMBER 2], …), 1, 0)

    Outliers_Filter_Settings

    de følgende kodeeksemplene oppdager multivariate ekstremverdier basert på Mahalanobis-distansen (husk å tilpasse variabelnavnene i VL)
    # this list should contain the names of your INDEPENDENT VARIABLES
# you should not include your dependent variables
# if you already use a filter set it to inactive
# hint: you can get the names of your variable with names(data)
# the syntax is adjusted for jamovi (the data frame is called data,
# but can easily be used within R by just changing data to the name of your data frame
VL = c('dan.sleep', 'baby.sleep', 'day')
# brief explanation: the code calculates the Mahalanobis distance for all variables in VL,
# then calculates the p-value (pchisq) and show lines with variables that had a p-value < 0.001
row.names(data)[
    pchisq(unname(
        mahalanobis(data[, VL], colMeans(data[, VL]), cov(data[, VL]))),
        df=length(VL), lower.tail=FALSE) < 0.001]
    utgaven fra R-koden forteller deg hvilke linjer du bør velge bort
    du bruker skriptene i Rj-editoren ved å bare kopiere dem og lim dem inn, kjør dem ved å trykke på ►-knappen (den lille grønne trekanten)
  • filterbetingelsene kan kombineres ved hjelp av de booleanske uttrykene and / or:
    MAXABSZ([VARIABLE1], [VARIABLE2], …) < 3.3 and
MAXABSIQR([VARIABLE1], [VARIABLE2], …) < 3 and
IFMISS(MATCH(ROW(), [ROWNUMBER 1], [ROWNUMBER 2], …), 1, 0)
  • i stedet for å bruke den andre linjen (MAXABSIQR) kan du også velge bort tilfeller ved å ekskludere deres respektive radnumre i datasettet (som i den tredje linjen; du vil da visuelt sjekke ekstremverdiene i boksplottene under Descriptives, sørg for at avmerkingsboksen Label outliers er satt og ekskludere radnumrene som er merket som ekstremverdier)