R glm.diag.plots 廣義線性模型的診斷圖

說明

繪製折刀偏差殘差與線性預測變量的關係圖、標準化偏差殘差的正態分數圖、近似庫克統計量與杠杆/(1-杠杆)的關係圖以及庫克統計量的案例圖。

用法

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

參數

glmfit	glm.object：調用glm()的結果
glmdiag	通過調用 glm.diag 獲得的 glmfit 診斷。如果未提供，則進行計算。
subset	執行 glm 擬合的 data 子集：應與生成 glmfit 的 glm() 調用中使用的 subset 選項相同。僅當在調用 glm 時使用 subset= 選項時才需要。
iden	一個合乎邏輯的論證。如果是 TRUE，則在繪製圖後，係統將提示用戶輸入 0 到 4 之間的整數。正整數將選擇一個圖並在該圖上調用 identify()。退出 identify() 後，再次提示用戶，此循環將繼續，直到用戶用 0 響應提示。如果 iden 是 FALSE (默認)，則用戶無法與繪圖交互。
labels	如果 iden 是 TRUE ，則與 identify() 一起使用的標簽向量。如果未提供，則標簽源自 glmfit 。
ret	指示是否應返回 glmdiag 的邏輯參數。默認為 FALSE 。

細節

繪圖所需的診斷由 glm.diag 計算。然後使用它們在當前圖形設備上生成四個繪圖。

左上角的圖是折刀偏差殘差與擬合值的關係圖。

右上角的圖是標準化殘差的正常 QQ 圖。如果標準化殘差呈正態分布，則虛線是預期線，即截距為 0、斜率為 1 的線。

底部兩個麵板是庫克統計數據的圖表。左邊是庫克統計數據與標準化杠杆的關係圖。一般來說，該圖上會有兩條虛線。水平線位於 8/(n-2p) 處，其中 n 是觀測值的數量，p 是估計參數的數量。這條線上方的點可能是對模型影響較大的點。垂直線位於 2p/(n-2p) 處，與該點的原始殘差方差相比，該線右側的點具有較高的杠杆率。如果所有點都位於水平線下方或垂直線左側，則不會顯示該線。

最後的圖再次顯示了庫克統計數據，這一次是根據病例數繪製的，使我們能夠找到哪些觀察結果具有影響力。

鼓勵使用 iden=T 來正確探索這四個圖，作為模型對數據的擬合程度以及某些觀察結果是否對參數估計產生過大影響的指南。

值

如果ret 是TRUE，則返回glmdiag 的值，否則不返回值。

副作用

當前設備被清除，並使用 split.screen(c(2,2)) 繪製四個圖。如果 iden 為 TRUE ，則啟用點的交互式識別。函數終止時，所有屏幕都會關閉，但不會清除。

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)

參考

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