modelbased: An R package to make the most out of your statistical models through marginal means, marginal effects, and model predictions

Résumé

Au-delà de la difficulté de se tenir au courant des meilleures pratiques actuelles en matière de diagnostic et de traitement des valeurs aberrantes, une difficulté supplémentaire se pose concernant la mise en œuvre mathématique des méthodes recommandées. Nous présentons ici un aperçu des recommandations et des meilleures pratiques actuelles et illustrons comment les implémenter facilement dans le logiciel de calcul statistique R, grâce au package {performance} de l’écosystème easystats. Nous abordons les méthodes de détection des valeurs aberrantes statistiques univariées, multivariées et basées sur des modèles, leur seuil recommandé, leur sortie standard et leurs méthodes de représentation graphique. Nous concluons en passant en revue les différents types théoriques de valeurs aberrantes, leur exclusion ou leur winsorisation, et l’importance de la transparence. Une prépublication de cet article est disponible à l’adresse suivante : https://doi.org/10.31234/osf.io/bu6nt.

Rémi Thériault

Chercheur postdoctoral (Psychologie sociale)

Mes intérêts de recherche comprennent les identités sociales, la cognition implicite et la prosocialité.