R语言实战：计算回归模型中样本的杠杆值

R语言实战：计算回归模型中样本的杠杆值

杠杆值是评估回归模型中每个样本对拟合结果的影响程度的指标。在回归分析中，如果一个样本的预测变量值比其他样本的预测变量值更极端，那么该样本被认为具有较高的杠杆作用。本文将介绍如何使用R语言计算回归模型中每个样本的杠杆值，并提供相应的源代码。

在开始之前，我们首先需要加载所需的R包。以下是计算杠杆值所需的基本包：

library(stats)
library(car)

接下来，我们将使用一个示例数据集来演示如何计算杠杆值。假设我们有一个数据集，其中包含一个因变量（Y）和两个自变量（X1和X2）。以下是示例数据集的一部分内容：

# 创建示例数据集
data <- data.frame(Y = c(1, 2, 3, 4, 5),
                   X1 = c(2, 4, 6, 8, 10),
                   X2 = c(1, 3, 5, 7, 9))

现在，我们可以拟合一个线性回归模型，并计算每个样本的杠杆值。以下是具体步骤：

# 拟合线性回归模型
model <- lm(Y ~ X1 + X2, data = data)

# 计算杠杆值
leverage <- hatvalues(model)

通过上述代码，我们使用lm()函数拟合了一个线性回归模型，并将结果储存在