练习R:influencePlot()函数发现离群点杠杆点强影响点

原创
04/04 22:54
阅读数 717

lm()函数拟合回归模型后,可以使用car包的influencePlot()函数观察和发现影响回归的异常值。

influencePlot()函数的特点是,它将我们关心的离群点、高杠杆值点、强影响点信息绘制在一张图中,读图的效率高。

假设我们基于lm()拟合了多元回归模型murder.step,influencePlot()函数将直接提取murder.step中的残差数据、样本量数据等绘制统计图形。

语法示范:

influencePlot(murder.step,id.method="identify",main="Influent Plot",sub="Circle size is proportional to Cook's distance")

文字结果:


给出具体的异常数据信息,包括学生会残差值、帽子值、库克距离值。

图形结果:


图的解读:

  • 纵坐标超过+2或小于-2的散点可被认为是离群点

  • 水平轴超过0.2或0.3的散点有高杠杆值

  • 圆圈大小与影响成比例,圆圈很大的点可能是对模型参数的估计造成的不成比例影响的强影响点


本文完
文/图=数据小兵

更多R统计文章

练习R:单个连续数据的探索性统计可视化函数EDA
练习R:用lm.ridge()做岭回归分析,可惜无法输出R平方
练习R:lm+plot+abline+text四函数绘制线性拟合散点图
练习R:用lm.ridge()做岭回归分析,可惜无法输出R平方
练习R:分类自变量的线性回归
练习R:factor函数为有序分类变量创建值标签
学习R:识别缺失值与将指定数据编码为缺失值
练习R:car包recode函数多分类变量的重新编码
如何在Rstudio中退出/取消par分区绘图效果?
如何删除environment中的数据集?
练习R:stepAIC多元逐步回归
练习R:用3d空间图展示多元线性回归模型
为什么要学R语言?如何学习R语言?
练习R:用3d空间图展示多元线性回归模型
练习R:dplyr包arrange函数排序
练习R:DoE.base包生成标准L9-3-4正交表
练习R:正交试验极差分析、方差分析与统计图形
练习R:rsm包设计响应面试验并做数据分析
练习R:interaction.plot()函数绘制交互作用图

本文分享自微信公众号 - 小兵学R语言(r-statistics)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部