r語言與回歸分析-資料下載頁
2025-07-17 17:07本頁面
【正文】 異常點(diǎn)的識別 ? 一般把標(biāo)準(zhǔn)化殘差的絕對值大于等于 2的觀測點(diǎn)認(rèn)為是可疑點(diǎn)；而標(biāo)準(zhǔn)化殘差的絕對值大于等于 3的觀測點(diǎn)認(rèn)為是異常點(diǎn)。 剔除異常點(diǎn) ? a1=a1[47,] 刪除 a1中第 47行的觀測 ? lm2=lm(ROE~ROEt+ATO+PM+LEV+GROWTH+PB+ARR+INV+ASSET,data=a1) 用上一行命令得到的新數(shù)據(jù) a1再次擬合線型回歸模型，結(jié)果賦值給 lm2 ? plot(lm2,which=c(1:4)) 畫出 lm2中對應(yīng)于模型檢驗(yàn)的 4張圖，包括殘差圖、 圖和Cook距離圖 擬合結(jié)果 47為異常點(diǎn)去掉之后，擬合模型診斷圖如下 多重共線性 含義及檢驗(yàn) 共線性含義 ? 共線性問題是指擬合多元線性回歸時，自變量之間存在線性關(guān)系或近似線性關(guān)系。 ? 自變量間的線性關(guān)系將隱蔽變量的顯著性，增加參數(shù)估計的誤差，會產(chǎn)生不穩(wěn)定的模型 一個例子 ? 假如有兩個變量 x1和 x2，用最小二乘法得到如下參數(shù)估計量。 方差膨脹因子 ? 定義下面的回歸形式為輔助回歸 ? 令 為輔助回歸的判定系數(shù) ? 則方差膨脹因子為： ? 它反映了在多大程度上第 i個自變量所包含的信息被其他自變量覆蓋 2iRexbaxijjji ??? ??211ii RV I F ??方差膨脹因子 ? R語句：函數(shù) vif() ? 所有的 VIF值都小于 10且接近 1，所以沒有多重共線性問題。 注： VIF10，表明模型中有很強(qiáng)的共線性問題 變量選擇 AIC準(zhǔn)則、 BIC準(zhǔn)則 AIC 和 BIC ? AIC方法比較保守，其中 p為自變量個數(shù)，與RSS成反比。 ? 使 AIC達(dá)到最小的模型是最優(yōu)的 ? BIC相對不那么保守，因此保留的變量可能會比較少。 ? ?l o g 1 l o g 2 2R S SA I C n pn ?????? ? ? ? ?????????? ? ? ?l o g 1 l o g 2 l o gR S SB I C n n pn ?????? ? ? ? ?????????預(yù)測 預(yù)測值與置信區(qū)間 pp xxxy 002202200 ????? ???? ????? ?10 1 0 0? ? 1 ( )npx t x X X x??????? ???P .I .: 10 1 0 0? ? ()npx t x X X x??????? ??C .I.: 數(shù)據(jù)準(zhǔn)備 ? 以 2022年數(shù)據(jù)為檢驗(yàn)數(shù)據(jù)，可以用如下方法對數(shù)據(jù)進(jìn)行準(zhǔn)備 預(yù)測 R語言的特點(diǎn) ? 免費(fèi) ? 浮點(diǎn)運(yùn)算功能強(qiáng)大 ? 不依賴于操作系統(tǒng) ? 幫助功能完善 ? 作圖功能強(qiáng)大 R的特點(diǎn) ? 統(tǒng)計分析能力尤為突出 ? 可移植性強(qiáng) ? 強(qiáng)大的拓展與開發(fā)能力 ? 靈活而不死板
法律信息相關(guān)推薦
鄂ICP備17016276號-1