R glm.diag.plots 广义线性模型的诊断图

说明

绘制折刀偏差残差与线性预测变量的关系图、标准化偏差残差的正态分数图、近似库克统计量与杠杆/(1-杠杆)的关系图以及库克统计量的案例图。

用法

glm.diag.plots(glmfit, glmdiag = glm.diag(glmfit), subset = NULL,
               iden = FALSE, labels = NULL, ret = FALSE)

参数

glmfit	glm.object：调用glm()的结果
glmdiag	通过调用 glm.diag 获得的 glmfit 诊断。如果未提供，则进行计算。
subset	执行 glm 拟合的 data 子集：应与生成 glmfit 的 glm() 调用中使用的 subset 选项相同。仅当在调用 glm 时使用 subset= 选项时才需要。
iden	一个合乎逻辑的论证。如果是 TRUE，则在绘制图后，系统将提示用户输入 0 到 4 之间的整数。正整数将选择一个图并在该图上调用 identify()。退出 identify() 后，再次提示用户，此循环将继续，直到用户用 0 响应提示。如果 iden 是 FALSE (默认)，则用户无法与绘图交互。
labels	如果 iden 是 TRUE ，则与 identify() 一起使用的标签向量。如果未提供，则标签源自 glmfit 。
ret	指示是否应返回 glmdiag 的逻辑参数。默认为 FALSE 。

细节

绘图所需的诊断由 glm.diag 计算。然后使用它们在当前图形设备上生成四个绘图。

左上角的图是折刀偏差残差与拟合值的关系图。

右上角的图是标准化残差的正常 QQ 图。如果标准化残差呈正态分布，则虚线是预期线，即截距为 0、斜率为 1 的线。

底部两个面板是库克统计数据的图表。左边是库克统计数据与标准化杠杆的关系图。一般来说，该图上会有两条虚线。水平线位于 8/(n-2p) 处，其中 n 是观测值的数量，p 是估计参数的数量。这条线上方的点可能是对模型影响较大的点。垂直线位于 2p/(n-2p) 处，与该点的原始残差方差相比，该线右侧的点具有较高的杠杆率。如果所有点都位于水平线下方或垂直线左侧，则不会显示该线。

最后的图再次显示了库克统计数据，这一次是根据病例数绘制的，使我们能够找到哪些观察结果具有影响力。

鼓励使用 iden=T 来正确探索这四个图，作为模型对数据的拟合程度以及某些观察结果是否对参数估计产生过大影响的指南。

值

如果ret 是TRUE，则返回glmdiag 的值，否则不返回值。

副作用

当前设备被清除，并使用 split.screen(c(2,2)) 绘制四个图。如果 iden 为 TRUE ，则启用点的交互式识别。函数终止时，所有屏幕都会关闭，但不会清除。

例子

# In this example we look at the leukaemia data which was looked at in 
# Example 7.1 of Davison and Hinkley (1997)
data(leuk, package = "MASS")
leuk.mod <- glm(time ~ ag-1+log10(wbc), family = Gamma(log), data = leuk)
leuk.diag <- glm.diag(leuk.mod)
glm.diag.plots(leuk.mod, leuk.diag)

参考

Davison, A. C. and Hinkley, D. V. (1997) Bootstrap Methods and Their Application. Cambridge University Press.

Davison, A.C. and Snell, E.J. (1991) Residuals and diagnostics. In Statistical Theory and Modelling: In Honour of Sir David Cox D.V. Hinkley, N. Reid, and E.J. Snell (editors), 83-106. Chapman and Hall.

也可以看看

glm , glm.diag , identify