R语言实战应用精讲50篇(四)-多重线性回归系列之适用条件验证

本文详细介绍了在R语言中进行多重线性回归分析时,如何检查适用条件,包括独立性、线性关系、正态性和方差齐性。通过残差分析、散点图和统计检验,如Durbin-Watson检验、正态性检验、方差齐性检验等,确保模型的合理性。并推荐了如car、olsrr、HH等R包中的函数进行诊断和验证。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言

回归方程实际上是整个回归分析里面最简单的一部分,数据适不适合采用线性回归,回归模型对数据的拟合性如何还需要更进一步的考察验证。

线性回归基本适用条件:独立、线性、正态和方差齐同。

 

适用条件的考察

线性回归适用条件和模型的诊断多涉及残差分析。R的基础包几个常用的残差计算分析函数如下:

residuals():模型残差;

rstandard():标准化残差,或者直接计算sqrt(deviance(model)/df.residual(model)),…);

rstudent():学生化残差;

predict():预测值;

plot():绘制模型诊断图或构建相应的残差图。plot函数可利用模型残差绘制6幅图(默认4幅,相当于which=1:4,Cook距离和Cook距离对杠杆值图默认不显示),实现模型正态性、方差齐性及异常点等的分析。

plot.lm {stats}



Six plots (selectable by which) are currently available: a plot of residuals against fitted values, a Scale-Location plot of sqrt(|residuals|) against fitted values, a Normal Q-Q plo
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

文宇肃然

精神和物质鼓励你选一个吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值