Warum sind Ausreißer in z.B Regressionmodelle schlecht und müssen entfernt werden?
Hallo. Naklar wenn es irgendwelche Messfehler sind, ist es klar. Aber wenn es angenommen keine Messfehler sind. Warum sollte denn Ausreißer entfernt werden und wann sollten die entfernt werden? Danke
2 Antworten
Die Regression (meistens linear) wird auf Grund der Methode der kleinsten Fehlerquadrate besonders stark verfälscht. Vielleicht die Messreihe nochmals wiederholen - wenn die Ausreisser bleiben, sollte man eventuell die Regressionsmethode überdenken; in der Physik kann hinter Ausreissern auch neue Physik stecken…
Müssen ? Nein. ( Was ich noch nicht wußte : Extremwert oder Ausreißer ? )
.
Da kann man lange diskutieren
Das fängt schon damit an , dass man Kriterien braucht , um Daten als Ausreißer zu klassifizieren.
Da muss man aus dem Untersuchungsgegenstand heraus argumentieren .
.
Aber , vor allem in den Sozialwissenschaften gilt :
r bzw R² (= r²) als Maße für die Güte der Anpassung steigen ,wenn man es tut
.
Und nix ist schlimmer als ein kleines R²
.
einen kleinen Einblick, was es alles zu beachten gibt hier
PS : redliche wissenschaftliche Forschung begründet ausführlich , warum Daten weggelassen oder gar durch andere ersetzt wurden . Auch wenn es dazu eine plausible Erklärung gibt.