Diagnostics d'influence (Distance de Cook, DFFITS, Effet de levier)
Les diagnostics d'influence sont une famille de mesures post-ajustement qui quantifient à quel point chaque observation individuelle affecte une régression ajustée. La distance de Cook a été introduite par R. Dennis Cook en 1977, tandis que l'effet de levier et le DFFITS ont été formalisés par Belsley, Kuh et Welsch en 1980, afin de signaler les observations qui tirent le plus fortement les coefficients estimés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Cook, R. D. (1977). Detection of Influential Observations in Linear Regression. Technometrics, 19(1), 15-18. DOI: 10.1080/00401706.1977.10489493 ↗
- Belsley, D. A., Kuh, E., & Welsch, R. E. (1980). Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. Wiley. ISBN: 978-0471058564
Comment citer cette page
ScholarGate. (2026, June 1). Regression Influence Diagnostics (Cook's Distance, DFFITS, Leverage). ScholarGate. https://scholargate.app/fr/statistics/influence-diagnostics
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Estimation par écart absolu médian (MAD)Statistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Régression RidgeApprentissage automatique↔ compare
- Régression RobusteStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →