influencePlot()函數發現離群點杠桿點強影響點的示例分析

發布時間：2021-09-18 11:44:21 來源：億速云閱讀：420 作者：柒染欄目：編程語言

這期內容當中小編將會給大家帶來有關influencePlot()函數發現離群點杠桿點強影響點的示例分析，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

lm()函數擬合回歸模型后，可以使用car包的influencePlot()函數觀察和發現影響回歸的異常值。

influencePlot()函數的特點是，它將我們關心的離群點、高杠桿值點、強影響點信息繪制在一張圖中，讀圖的效率高。

假設我們基于lm()擬合了多元回歸模型murder.step，influencePlot()函數將直接提取murder.step中的殘差數據、樣本量數據等繪制統計圖形。

語法示范：

influencePlot(murder.step,id.method="identify",main="Influent Plot",sub="Circle size is proportional to Cook's distance")

文字結果：

給出具體的異常數據信息，包括學生會殘差值、帽子值、庫克距離值。

圖形結果：

圖的解讀：

上述就是小編為大家分享的influencePlot()函數發現離群點杠桿點強影響點的示例分析了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。

向AI問一下細節

亚洲激情专区-91九色丨porny丨老师-久久久久久久女国产乱让韩-国产精品午夜小视频观看