R语言实战应用精讲50篇（三）-多重线性回归系列之模型评估与诊断应用案例

前言

回归模型对数据的拟合性怎么样，有没有异常点，各自变量间存不存在多重共线？

本文进行拟合优度的评估、异常点（离群值、高杠杆值、强影响点）的识别与多重共线的诊断。

模型评估与诊断

（1）模型拟合优度评估

在模型拟合完毕通过summary()函数可以获得参数估计表，同时函数也给出了模型的决定系数、校正的决定系数。本例多重线性回归模型的决定系数R^2=0.2352，即结局变量的总变异中可由回归模型中解释变量解释的部分仅占23.52%。

除了决定系数、校正的决定系数外，赤池信息准则（AIC）、残差均方（MSE）、Cp统计量也是模型优劣的标准。

  

   

    

     

    
    

     

      library(olsrr)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      ols_aic(lmfit)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      full_model<-lm(bwt~.,data=lmdata) #表示包含除因变量外的所有变量。例如，若一个数据框包含变量 x、y、z 和 w，代码 y ~ .可展开为 y ~x + z + w
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      ols_sbic(lmfit, full_model)
     
    
  
 

函数ols_plot_diagnostics{olsrr}能提供了线性回归的多个诊断图，其中观测值与拟合值的散点图、残差拟合离散图可以从图示角度看一下模型的拟合情况。

  

   

    

     

    
    

     

      library(olsrr)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      ols_plot_diagnostics(lmfit)
     
    
  
 

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/115077642