influencePlot()函数发现离群点杠杆点强影响点的示例分析

这期内容当中小编将会给大家带来有关influencePlot()函数发现离群点杠杆点强影响点的示例分析,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。

成都创新互联是一家专业从事做网站、成都网站设计、网页设计的品牌网络公司。如今是成都地区具影响力的网站设计公司,作为专业的成都网站建设公司,成都创新互联依托强大的技术实力、以及多年的网站运营经验,为您提供专业的成都网站建设、营销型网站建设及网站设计开发服务!

lm()函数拟合回归模型后,可以使用car包的influencePlot()函数观察和发现影响回归的异常值。

influencePlot()函数的特点是,它将我们关心的离群点、高杠杆值点、强影响点信息绘制在一张图中,读图的效率高。

假设我们基于lm()拟合了多元回归模型murder.step,influencePlot()函数将直接提取murder.step中的残差数据、样本量数据等绘制统计图形。

语法示范:  

influencePlot(murder.step,id.method="identify",main="Influent Plot",sub="Circle size is proportional to Cook's distance")

文字结果:

influencePlot()函数发现离群点杠杆点强影响点的示例分析

给出具体的异常数据信息,包括学生会残差值、帽子值、库克距离值。

图形结果:

influencePlot()函数发现离群点杠杆点强影响点的示例分析

图的解读:  

  • 纵坐标超过+2或小于-2的散点可被认为是离群点

  • 水平轴超过0.2或0.3的散点有高杠杆值

  • 圆圈大小与影响成比例,圆圈很大的点可能是对模型参数的估计造成的不成比例影响的强影响点


上述就是小编为大家分享的influencePlot()函数发现离群点杠杆点强影响点的示例分析了,如果刚好有类似的疑惑,不妨参照上述分析进行理解。如果想知道更多相关知识,欢迎关注创新互联行业资讯频道。


网站栏目:influencePlot()函数发现离群点杠杆点强影响点的示例分析
文章源于:http://bzwzjz.com/article/jsesij.html

其他资讯

Copyright © 2007-2020 广东宝晨空调科技有限公司 All Rights Reserved 粤ICP备2022107769号
友情链接: 成都网站建设 重庆手机网站建设 成都h5网站建设 移动手机网站制作 营销型网站建设 成都网站建设流程 定制网站建设 成都网站设计 成都网站建设 四川成都网站建设 成都商城网站建设 网站建设 成都网站制作 成都做网站建设公司 外贸营销网站建设 成都响应式网站建设 成都网站制作 网站制作公司 营销型网站建设 成都网站制作 网站制作 网站设计制作报价