R统计分析研讨.ppt

（2）标准化（内学生化）残差计算, rstandard() rstandard(lm32) （3）外学生化残差 rstudent(lm32) (4)残差图 以残差为纵坐标，拟合值或对应的数据观测序号i或观测时间为横坐标的散点图统称为残差图，它是进行模型诊断的重要工具 下面我们绘制第一组回归（拟合比较好，残差服从正态分布）lm1的残差图和标准化残差图 fit1=fitted(lm1) # predict(lm1) 也可以 # 残差图 r1=resid(lm1); plot(r1~fit1) # 标准化残差图 rst1=rstandard(lm1) plot(rst1~fit1) 对于标准化残差,应该有大约95%的样本落入[-2,2]之间; 则若拟合值hat(Y) 为横坐标,那么标准化残差大概落入[-2,2]内，且不呈现任何趋势，否则回归模型可能有问题 下面看第二组回归（曲线）lm2.可以看到,曲线回归后残差图变好 rst2=rstandard(lm2) fit2=fitted(lm2);plot(rst2~fit2) # 曲线回归 lm2curve=lm(Y2~X+I(X^2), data=Anscombe) rst2c=rstandard(lm2curve); fit2c=fitted(lm2curve) plot(rst2~fit2) (5)残差的QQ图 可以用QQ图检验残差的正态性 R中直接使用plot(lm,2)即可 如 plot(lm1,2) 3、影响分析 所谓影响分析就是探查对估计有异常大影响的数据（例如 第三组数据）， 如果一个样本不遵守某个模型，但是其余遵守，称这个样本为强影响点（异常值点） 影响分析的重要功能就是区分这样的点 （1）帽子矩阵H的对角元素 若H的h(ii)元大于2*(p-1)/n,则第i组样本影响较大，计算H的对角元的函数为 hatvalues() （2） DFFITS 准则 dffits(),若超过2*sqrt(（p+1）/n）,则可能为异常值 （3）Cook统计量 cooks.distance(),Cook统计量越大的点可能是异常点 （4） COVARATIO 准则 covaratio(),偏离1越远，则认为哪个样本点的影响越大。 （5）总结 influence.measures()可以作为诊断分析的概括,返回每个样本 的dfbeta,diffit,cook等统计量,星号*是可能异常的点 influence.measures(lm3) Influence measures of lm(formula = Y3 ~ X, data = Anscombe) : dfb.1_ dfb.X dffit cov.r cook.d hat inf 1 -4.64e-03 -4.43e-02 -0.1468 1.34e+00 0.011831 0.100 2 -3.75e-02 1.88e-02 -0.0624 1.39e+00 0.002183 0.100 3 -1.83e+02 2.69e+02 342.7851 7.36e-10 1.392828 0.236 * 4 -3.31e-02 -2.66e-18 -0.0997 1.36e+00 0.005525 0.091 5 4.92e-02 -1.17e-01 -0.2197 1.34e+00 0.026072 0.127 6 4.90e-01 -6.67e-01 -0.7898 1.36e+00 0.300634 0.318 7 2.60e-02 -2.01e-02 0.0292 1.53e+00 0.000480 0.173 8 2.39e-01 -2.07e-01 0.2449 1.80e+00 0.033194 0.318 * 9 1.38e-01 -2.32e-01 -0.3365 1.34e+00 0.059650 0.173 10 -1.54e-02 1.05e-02 -0.0197 1.45e+00 0.000218 0.127 11 1.04e-01 -8.62e-02 0.1098 1.64e+00 0.006752 0.236 4、共线性，条件数，kappa()函数 当自变量彼此相关时，某变量可能会因为其它变量的改变 而改变其效应，甚至改变符号，自变量彼此相关称为共线性或多重共线性，若出现共线性，建议使用主成分回归 若存在某些常数c0,c1,c2使得线性等式 c1X