标签：fit Di coef 多元 states 统计学 线性 hii final
1.多元线性回归
states <- as.data.frame(state.x77[,c("Murder", "Population","Illiteracy", "Income", "Frost")])
fit <- lm(Murder ~ Population + Illiteracy + Income + Frost, data=states)
summary(fit)
coef(fit) # 输出回归参数
confint(fit) # 提供模型参数的置信区间（默认 95%）
fitted(fit) # 列出拟合模型的预测值
residuals(fit) # 列出拟合模型的残差值
rstandard(fit) # 标准化残差
rstudent(fit) # 学生化残差:SREi
AIC(fit) # 赤池信息
2.基本假设检验
- 正态性检验
library(car)
library(ggpubr)
res = rstudent(fit) #学生化残差
ggqqplot(res,color = '#E7B800')
- 独立性检验
durbinWatsonTest(fit) # p>0.05 表明应变量相互独立
- 同方差性
ncvTest(fit) # p>0.05 表明同方差
3.异常值观测
- 离群点
outlierTest(fit) #若不显著，则说明数据集中没有离群点,一般会去除离群点
- 高杠杆值点，hii大于2倍或者3倍hii平均值(p+1)/n
hii = hatvalues(fit)
high_leverage_point = hii[hii >= 2 * (4+1)/length(hii)]
- 强影响点，库克距离Di > 4/(n-p-1),或者Di > 1,若有强影响点，则去除
Di = cooks.distance(fit)
Di[Di > 1]
4.多重共线性
vif(fit) # VIF>4:存在多重共线性，VIF>10:存在严重多重共线性
5.变量选择,逐步回归
library(MASS)
AIC(fit)
stepAIC(fit, direction = 'both')
6.确定最终函数
states = states[-grep('Nevada', rownames(states)),]
final_fit = lm(Murder~Population+Illiteracy, data = states)
summary(final_fit)
7.在新的数据集上预测
df = data.frame(Population = c(360,2200),
Illiteracy = c(1.4,1.9))
myfunction = function(x1){
sum(coef(fit)[2:length(coef(final_fit))] * x1) + coef(final_fit)[1]
}
apply(df, 1, myfunction) # 预测新的数据集
标签：fit,Di,coef,多元,states,统计学,线性,hii,final 来源： https://blog.csdn.net/weixin_43700050/article/details/95965112
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。