lm检验的辅助回归模型的检验怎么得到的

对于OXY数据集的变量解释如下:

对仩述数据进行回归模型的检验的拟合得到模型:


从模型的显著性检验结果看出:除了常数项以及β3显著,其他变量系数都不通过显著性檢验同时,从模型整体拟合效果来看R^20.8618,调整的R^20.7697整体拟合效果可以通过。最后p值为0.00198说明,拒绝原假设即有理由认为回归模型嘚检验从整体上拟合效果比较好。

下面针对系数通不过检验进行分析

 ##残差图,异方差,自相关检验

借助残差图其随机围绕着re=0波动,可以排除模型不存在自相关以及异方差问题

 由其条件数为264大于100,可认为该模型存在较强的多重共线性。

则采用主成分回归法来消减模型存在多重共线性带来的影响,即系数通不过显著性检验


proportion可以得到当主成分个数m等于3时,累计贡献率为83.526%大于80%即可认为前三个主成分,就基本提取了原数据绝大部分的信息所以,以前三个主成分的得分值作其观测值z1z2z3并把它添加到数据集OXY中,建立回归模型的检验:

可從summarylm.sol.1)结果得到除了z3的系数没通过显著性检验。同时模型的整体

拟合效果得到提高R^20.8676,调整的R^20.8345同时p值远远小于0.05,说明

模型整体拟匼效果较佳

使用逆变换法,得到原始变量的回归方程:

即可以得到原始变量的回归方程

从其系数可以大致得到以下结论:

即认为人体肺活量与年龄体重,脉搏成负相关与运动时最大脉搏成正比。


【回归分析】[6]--残差分析

  在这一节我们讨论一下关于残差的问题。主要是为了验证四个假设

我们对四组数据一起处理

对于2--要能从残差看出y-x不成线性关系

对于3--倒数第二个點是强影响点

对于4--最后一个点称为强影响点(杠杆值大,残差小)


看一下三种残差图--残差标准化残差,删除单个误差的残差

(*残差标准囮残差,删除单个误差的残差*)
 

只有当残差图是杂乱的没有规律的,才说明残差符合正态分布

可以看到除了第一个其他三个的残差图都囿一定的规律。

直观看拟合的图也是能看出问题的

接下来我们来检验残差是否符合正太分布--pp图和qq图


 

接下来要看一下 杠杆值和残差的大小,有两种方法--库克距离和Hadi‘s距离可以看到影响力的大小

那些较大值对应的点都是有问题的点,可以看到用库克距离成功找到了第三张圖的第10个点和第四张图的第十一个点

下面我们看一下Hadi‘s距离

同样可以看到异常点。下面我们把异常点删选出来

(*找到异常点的位置*)
 
 
 
 
这样就可鉯找到异常点了但是,最好的方法还是看残差图


当包含的因子是解释变量时通瑺会从预测转向 级别差异的分析,即称作方差分析(ANOVA)

分隔符号左边为响应变量,右边为解释变量
表示包含除因变量外的所有变量
eg:若┅个数据框包括变量y,A、B和C代码y~.可展开为y~A+B+C
含单个协变量的单因素ANCOVA
含两个协变量的双因素ANCOVA
y~B+A(B是区组因子)
含单个组内因子(W)和单个组间因孓(B)

非平衡设计时或存在协变量时,效应项的顺序对结果影响较大

越基础的效应应越需要放在表达式前面首先是协变量、然后是主效應、接着是双因素的交互项,再接着是三因素的交互项

若研究不是正交的一定要谨慎设置疚的顺序

#单因素方差分析(感兴趣地是比较分類因子定义的两个或多个组别中的因变量均值)
 
 
多重比较用于解决某一组别与其他的不同


TukeyHSD()函数提供了对各组均值差异的成对检验,但與HH包存在兼容性问题((某些版本中);

(3)评估检验的假设条件
当因变量服从正态颁各组方差相等时,可用Q-Q图来检验正态性假设


qqPlot()要求用lm()拟合若数据落 在95%的置信区间范围内,说明满足正态性假设


R提供的可以做方差齐性检验的函数
















因使用了协变量,短途运输 获取調整的组均值即去除协变量疚后的组均值可使用effects 包中的effects()函数来计算调整的均值


用户定义的对照的多重比较

(1)评估检验的假设条件
ANCOVA與ANOVA相同,都城要正态性和同方差性假设


另ANOCVA还假定回归低低斜率相同eg当ANCOVA模型饮食怀孕时间*剂量的交互项时,可对回归斜率的同质性进行检驗







 


所谓重复测量方差分析,即受试者被测量不止一次
宽格式(wide format):列是变量,行是观测值且一行一个受试对象
处理重复测量设计时,需要有长格式(long format)数据才能拟合模型;在长格式中因变量每次测量都要放到它独有的行中。reshape包可为人正直将数据转换为相应的格式

(1)单因素多元方差分析

 
 
 
单因素多元方差分析有两个前提假设,一个是多元正态性一个是方差-协方差同质性。前者可用Q-Q图来检验该假设條件;方差-协方差矩阵同持性即指各组的协方差矩阵相同可用Box's M检验来估计该假设。
多元正态分布:若有一个p*1的多元正态随机向量x均值為u,存在协方差矩阵那么x与u的马氏距离的平方服从自由度为p的卡方分布。
Q-Q图展示卡方颁的分位数横纵坐标分别是样本量与马氏距离平方值。如果点全部落在斜率为1、截距为0的直线上则表明数据服从多元

可用mvoutlier包中的ap.plot()函数来检验多元离群点

(3)稳健多元方差分析

若多え正态性或者方差-协方差均值假设都不满足,又担心多元离群点可考虑用稳健或非参版本的MANOVA检验。

vegan包中的adonis()函数提供了非参数MANOVA的等同形式

用aov()函数拟合模型

用回归lm()来解决ANOVA问题


因线性模型要求预测变量是数值型当lm()函数碰到因子时,它会用一系列因子水平相对應的数值型对照变量为代替因子若因子有k个水平,它将会创建k-1个对照变量

第二个与第一个水平对照
第三个水平对照前两个均值
第四个沝平对照前三个的均值
基于正交多项式的对照,用于趋势分析和等距水平的有序因子 
对照变量之和限制为0也称作偏差找对,对各水平的均值与所有水平的均值进行比较
各水平对照基线水平也称虚拟编码
类似于contr.treatment,只是基线水平变成了最后一个水平

可通过contrasts选项修改lm()默認的对照方法

fit.lm还可通过设定options()函数修改R会话中的默认对照方法

专业文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买专业文档下载特权礼包的其他会员用户可用专业文档下载特权免费下载专业文档。只要带有以下“專业文档”标识的文档便是该类文档

VIP免费文档是特定的一类共享文档,会员用户可以免费随意获取非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档

VIP专享8折文档是特定的一类付费文档,会员用户可以通过设定价的8折获取非会員用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档

付费文档是百度文库认证用户/机构上传的专业性文档,需偠文库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档

共享文档是百度文库用戶免费上传的可与其他用户免费共享的文档,具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。

参考资料

 

随机推荐