- 1、本文档共65页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
回归分析
——方法、数据与R的应用
刘超
statchao@buaa.edu.cn
北京航空航天大学数学科学学院
2020年1月20 日
课件仅供教学使用
刘 超 ,回归分析——方法、
数据与R的应用,高等教育
出版社,2019年10月
第4章 模型诊断
上课之前的话
很难一步到位得到好模型,而模型诊断会给出改进建议
对于线性回归模型,问题可能出现在以下三种情形中:
2
• (1) 误差。通常假定ε~N(0 ,σI) ,即假设误差独立、常数方差
(constant variance)且服从正态分布
• (2) 模型。假设Ey=Xβ,即模型的结构部分是线性的
• (3) 异常的观测。有时少数观测可能会改变模型的选择和拟合
模型构建是一个迭代和交互的过程
• 模型诊断技术既可以是灵活但难明确解释的图形技术
• 也可以是仅需较少直觉的数字技术
目的与要求
(1) 了解线性回归模型可能存在的问题;
(2)掌握对误差假设的检验;
(3)掌握对异常观测的检测;
(4)掌握对模型结构的检验;
(5)掌握模型诊断方法在R软件中的实现。
4.1 检验误差假设
4.1 检验误差假设
检查误差ε的独立性、常数方差和正态性
• 虽然误差ε是不可观测的,但是可以检查残差
• 然而残差不能与误差互换,它们具有一些不同的性质
−1 −1
回想 ,其中 是帽子
ො = = =
矩阵,因此:
Ƹ = −ො = ( −) = ( −) + ( −) = ( −)
2 2
假定 var = ,则 varƸ =var[( −)] = ( −)
误差具有相等方差且不相关的性质,但残差没有这些性质
合理地对残差进行诊断,以检查对误差的假设是否合理
4.1.1 常数方差
ො
最有用的诊断工具是 与 的散点图Ƹ
• 如果模型合适,可以看到残差 在垂直方向上的对称变化Ƹ
• 在残差图中还可以检测到模型结构部分中的非线性
三种
不同
的残
差图
第一个图表示当前模型合适;第二个图表示存在异方差;第
三个图表示存在非线性,这意味着模型结构形式要做调整
非常数方差也称为异方差(heteroscedasticity)。
4.1.1 常数方差
例4.1 青原博士继续使用2017年我国居民人均消费支出数据,
以例3.1建立的多元线性回归模型为基础说明如何分析残差。
绘制残
文档评论(0)