回归诊断课件.ppt

四、误差的正态性诊断 回归诊断在SAS上的实现 用语句plot r.*p. (r是residual的缩写，p是predicted的缩写)可以作残差r相对于拟合值p之间的散点图。如果此散点图在0水平线上下均匀散布，且对p没有趋向性，则可认为 满足方差齐性假设、且认为回归函数线性假设合理。 model y=x/dw r; 选项里加上dw表示计算DW检验的值。 r表示计算学生化残差，并计算Cook距离，若Cook距离相对较大,则课认为是强影响点。若学生化残差的绝对值大于2，则可认为是异常点。从学生化残差也可判断误差的正态性假设是否满足。 例子. 给10只大白鼠注射内霉素(30mg/kg)后，测得每只大鼠红细胞x与血红蛋白含量Y数据(见下页SAS文件)，试对X和Y进行回归分析。 data mouse; input x y; cards; 654 130 786 168 667 143 605 130 761 158 642 129 652 151 706 153 602 151 539 109 ; proc reg; model y=x; run; proc reg; model y=x/noint dw r cli clm; plot r.*p.; run; 残差图 误差的独立性诊断 第九个为异常点、强影响点 Output Statistics Std Error Student Cooks Obs Residual Residual -2-1 0 1 2 D 1 9.279 -1.129 | **| | 0.136 2 9.056 -0.0913 | | | 0.001 3 9.259 -0.0288 | | | 0.000 4 9.350 0.00543 | | | 0.000 5 9.101 -0.600 | *| | 0.054 6 9.297 -0.957 | *| | 0.094 7 9.282 1.180 | |** | 0.148 8 9.196 0.148 | | | 0.003 9 9.354 2.319 | |**** | 0.480 10 9.437 -0.718 | *| | 0.036 Sum of Residuals 1.36513 Sum of Squared Residuals 857.80435 Predicted Residual SS (PRESS) 1031.32594 （2）模型修正 为了修改模型，我们再作以 为横坐标的残差图 模型修改后的预测值及残差 模型修改后的残差图 误差方差齐性诊断 三、误差的独立性诊断 在不少有关时间问题中，观测值往往呈相关的趋势。如河流的水位总有一个变化过程，当一场暴雨使河流水位上涨后往往需要几天才能使水位降低，因而当我们逐日测定河流最高水位时，相邻两天的观测间就不一定独立。 回归诊断 在