R lm.influence 回归诊断

说明

该函数提供了用于生成各种诊断以检查回归拟合质量的基本量。

用法

influence(model, ...)
## S3 method for class 'lm'
influence(model, do.coef = TRUE, ...)
## S3 method for class 'glm'
influence(model, do.coef = TRUE, ...)

lm.influence(model, do.coef = TRUE)

参数

model	lm 或 glm 返回的对象。
do.coef	逻辑指示是否需要更改的coefficients(见下文)。这些需要O(n^2 p)计算时间。
...	传入或传出其他方法的进一步参数。

细节

influence.measures() 和另请参阅中列出的其他函数提供了一种更面向用户的计算各种回归诊断的方法。这些都建立在 lm.influence 之上。请注意，对于 GLM(具有恒等链接的高斯族除外)，这些基于一步近似，如果案例具有较高影响力，则可能不够。

我们尝试确保可能为 1 的计算帽子值被视为 1，并且 sigma 和 coefficients 中的相应行是 NaN 。 (删除这种情况通常会导致变量被删除，因此不可能提供简单的drop-one诊断。)

naresid 应用于结果，因此如果拟合具有 na.action = na.exclude ，则将填充 NA 。

值

包含以下相同长度或行数的组件的列表 n ，即非零权重的数量。拟合中省略的情况将被忽略，除非使用 na.action 方法(例如 na.exclude )来恢复它们。

hat	包含 ‘hat’ 矩阵对角线的向量。
coefficients	(除非 do.coef 为 false)一个矩阵，其 i-th 行包含估计系数的变化，该变化是从回归中删除 i-th 情况时产生的。请注意，混叠系数不包含在矩阵中。
sigma	一个向量，其 i-th 元素包含从回归中删除 i-th 情况时获得的残差标准差的估计值。 (GLM 所需的近似值可能会导致 NaN 。)
wt.res	加权残差向量(或对于glm类而不是偏差)残差向量。

注意

coefficients由返回R版本lm.influence与 S 计算的结果不同。我们返回系数的变化，而不是返回因放弃每种情况而产生的系数。这在许多诊断措施中更直接有用。
由于这些需要O(n p^2)计算时间，它们可以被省略do.coef = FALSE.

请注意，weights == 0 的情况会被丢弃(与 S 中的情况相反)。

如果模型已使用 na.action = na.exclude 进行拟合(请参阅 na.exclude )，则此处考虑拟合中排除的情况。

例子

## Analysis of the life-cycle savings data
## given in Belsley, Kuh and Welsch.
summary(lm.SR <- lm(sr ~ pop15 + pop75 + dpi + ddpi,
                    data = LifeCycleSavings),
        correlation = TRUE)
utils::str(lmI <- lm.influence(lm.SR))

## For more "user level" examples, use example(influence.measures)

参考

See the list in the documentation for influence.measures.

Chambers, J. M. (1992) Linear models. Chapter 4 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.

也可以看看

summary.lm为了summary及相关方法；
influence.measures,
hat对于帽子矩阵对角线，
dfbetas,dffits,covratio,cooks.distance,lm.