R lm.influence 回歸診斷

說明

該函數提供了用於生成各種診斷以檢查回歸擬合質量的基本量。

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)

參數

model	lm 或 glm 返回的對象。
do.coef	邏輯指示是否需要更改的coefficients(見下文)。這些需要O(n^2 p)計算時間。
...	傳入或傳出其他方法的進一步參數。

細節

influence.measures() 和另請參閱中列出的其他函數提供了一種更麵向用戶的計算各種回歸診斷的方法。這些都建立在 lm.influence 之上。請注意，對於 GLM(具有恒等鏈接的高斯族除外)，這些基於一步近似，如果案例具有較高影響力，則可能不夠。

我們嘗試確保可能為 1 的計算帽子值被視為 1，並且 sigma 和 coefficients 中的相應行是 NaN 。 (刪除這種情況通常會導致變量被刪除，因此不可能提供簡單的drop-one診斷。)

naresid 應用於結果，因此如果擬合具有 na.action = na.exclude ，則將填充 NA 。

值

包含以下相同長度或行數的組件的列表 n ，即非零權重的數量。擬合中省略的情況將被忽略，除非使用 na.action 方法(例如 na.exclude )來恢複它們。

hat	包含 ‘hat’ 矩陣對角線的向量。
coefficients	(除非 do.coef 為 false)一個矩陣，其 i-th 行包含估計係數的變化，該變化是從回歸中刪除 i-th 情況時產生的。請注意，混疊係數不包含在矩陣中。
sigma	一個向量，其 i-th 元素包含從回歸中刪除 i-th 情況時獲得的殘差標準差的估計值。 (GLM 所需的近似值可能會導致 NaN 。)
wt.res	加權殘差向量(或對於glm類而不是偏差)殘差向量。

注意

coefficients由返回R版本lm.influence與 S 計算的結果不同。我們返回係數的變化，而不是返回因放棄每種情況而產生的係數。這在許多診斷措施中更直接有用。
由於這些需要O(n p^2)計算時間，它們可以被省略do.coef = FALSE.

請注意，weights == 0 的情況會被丟棄(與 S 中的情況相反)。

如果模型已使用 na.action = na.exclude 進行擬合(請參閱 na.exclude )，則此處考慮擬合中排除的情況。

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)

參考

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為了summary及相關方法；
influence.measures,
hat對於帽子矩陣對角線，
dfbetas,dffits,covratio,cooks.distance,lm.