上一篇讲到了,模型的拟合,以及运用系统的plot函数进行简单的回归诊断,得到了四幅图,大致可以判断模型的假设是否成立,然而,这还远远没有结束,这一篇我们将着重讲讲模型的诊断与优化改进,将会用到几个包,以及有许多的新概念...所谓回归诊断就是,验证模型当初的几个假设是否成立,它们分别是正太性假设,线性关系假设,同方差性假设,独立性假设.另外还涉及模型的优化,分别是多重共线性,离群点,高杠杆点,强影响点,以及相应的变量的选择和模型的选择...1.首先我们队模型的假设进行诊断如代码
可以看到正态性检验,返回三个点,说明这三个点没有通过正态性检验,同时我们还可以在图中看出确实有几个点在虚线外....对于假设诊断不符合的,我们就要采取措施来改进,看下面代码:分别是违反假设的改进方案,会给出建议的幂次指数来转化Y值或x值.由图可知拟合值的标准化残差不呈一条水平线,说明不符合同方差性,那么我们按照给的建议将