R语言回归分析中的异常值点的介绍

本文介绍了离群点、高杠杆值点及强影响点的识别方法,并提出了通过删除异常观测值、变量变换等手段来改进线性模型的有效策略。

(1)离群点

如何识别离群点?

1、Q-Q图,落在置信区间带外的点即可被认为是离群点。

2、一个粗糙的判断准则:标准化残差值大于2或者小于2的点可能是离群

3、library(car)
   outlierTest(fit)  显示离群点

       rstudent unadjusted p-value Bonferonni p
Nevada 3.542929         0.00095088     0.047544

(2)高杠杆值点

它们是由许多异常的预测变量值组合起来的,与响应变量值没有关系

高杠杆值的观测点可通过帽子统计量(hat statistic)判断

hat.plot <- function(fit){
    p <

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值