Check your outliers! An introduction to identifying statistical outliers in R with easystats

Résumé

Au-delà du défi de se tenir au courant des meilleures pratiques actuelles en matière de diagnostic et de traitement des valeurs aberrantes, une difficulté supplémentaire surgit concernant la mise en œuvre mathématique des méthodes recommandées. Nous fournissons ici un aperçu des recommandations et des meilleures pratiques actuelles et démontrons comment elles peuvent être mises en œuvre facilement et commodément dans le logiciel de calcul statistique R, à l’aide du package {performance} de l’écosystème easystats. Nous couvrons les méthodes de détection statistique des valeurs aberrantes univariées, multivariées et basées sur un modèle, leur seuil recommandé, la sortie standard et les méthodes de traçage. Nous concluons en passant en revue les différents types théoriques de valeurs aberrantes, la question de savoir s’il faut les exclure ou les winsoriser, et l’importance de la transparence.

Rémi Thériault

Étudiant au doctorat (Psychologie sociale)

Mes intérêts de recherche incluent la cognition sociale/implicite, l’altruisme, et les rêves.