R语言实战应用精讲50篇（五）-多重线性回归系列之模型拟合

前言

多重线性回归模型的最终建立不仅仅拟合个方程就完事了，还需要进行适用条件的考察、模型的诊断以及改进模型的再评估等。

（1）拟合多重线性回归模型；

（2）适用条件考察：线性、独立性、正态性、同方差性；

（3）模型诊断：强影响点、离群值、杠杆值、多重共线等；

（4）模型改进与再评估。

 

 

示例

原案例是来示例二分类的logistic回归的。

1989年Hosmer和Lemeshow研究了低出生体重婴儿的影响因素的数据，结局变量为是否分娩低出生体重儿(变量名low，0：低出生体重，即婴儿出生体重<2500克；1：正常)，同时给出了每个新生儿的具体体重(bwt，g)，考虑的影响(自变量)有：产妇妊娠前体重(lwt，磅)、产妇年龄(age，岁)、产妇在妊娠期间是否吸烟(smoke，0=未吸、1=吸烟)、本次妊娠前早产次数(ptl，次)、是否患有高血压(ht，0=否、1=是)、子宫对按摩、催产素等刺激引起收缩的应激性(ui，0=无、1=有)、妊娠前三个月社区医生随访次数(ftv，次)、种族(ra