29、R语言回归分析：假设检验、稳健回归与分类预测变量处理

R语言回归分析：假设检验、稳健回归与分类预测变量处理

1. 违反假设的处理方法

在回归分析中，即使假设被违反，我们仍可拥有一个适用于样本数据的模型（无异常值、有影响的案例等），并据此对样本得出结论。然而，若要将回归模型推广到样本之外，假设检验就变得至关重要。若假设被违反，我们就无法将研究结果推广到样本之外。

对于违反假设的修正方法较为有限：
- 若残差显示存在异方差性或非正态性问题，可尝试对原始数据进行变换，但这不一定会影响残差。
- 若违反了线性假设，可考虑使用逻辑回归。
- 还可以进行稳健回归，下面将介绍使用自助法（bootstrapping）的稳健回归。

2. 稳健回归：自助法

在之前的分析中，我们可以对相关系数的估计进行自助抽样，以获得统计显著性和置信区间，从而放宽分布假设。同样的方法也适用于回归估计，我们将使用 boot 包。

boot() 函数的一般形式为：

object<-boot(data, function, replications)

其中， data 指定要使用的数据框， function 是要进行自助抽样的函数， replications 是要使用的自助抽样样本数量（通常越多越好，但计算时间会更长，2000 是一个不错的折衷选择）。

我们需要编写一个名为 bootReg()