R 《回归分析与线性统计模型》page93.6
1 2 3 4 5 6 7 | rm (list = ls ()) #数据处理 library (openxlsx) library (car) library (lmtest) data = read.xlsx ( "xiti4.xlsx" ,sheet = 1) data attach (data) |
1 2 | fm1 = lm (y~x1+x2+x3+x4+x5+x6+x7) #多元回归模型 coef (fm1) |
1 2 3 4 5 6 | #残差图:残差分析 ei = resid (fm1) X = cbind (1, as.matrix (data[,2:8])) t = ti (ei,X) #外部学生化残差 r = ri (ei,X) #学生化残差 plot ( fitted (fm1),t) |
上图表明:外扩,方差不齐
1 2 3 4 | #判别强影响点 #cook距离 res = cooks.distance (fm1) res[res>4/(25-7-1)] |
1 2 | 15 20 22 23 24 0.7626036 0.4177263 1.0797246 115.3547590 5.9390636 |
1 | influence.measures (fm1) |
inf列显示强影响点
1 2 3 4 5 6 7 8 9 10 | #判别异常点 calcu_F = function (p,r) #p回归参数个数,r学生化残差 { n = length (r) ans = (n-p-2)*(r**2)/(n-p-1-r**2) return (ans) } FF = calcu_F (7,r) f_val = qf (1-0.05,1,17) FF[FF>f_val] #F统计量 |
1 2 | 15 20 23 24 6.369148 8.245486 27.667296 10.433935 |
1 2 3 4 | > #判别异常点 > outlierTest (fm1) #Bonferroni p<0.05此点异常 rstudent unadjusted p-value Bonferroni p 23 -5.259971 7.7773e-05 0.0019443 |
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步