RM(リスト= LS())#データ処理 ライブラリー(openxlsx) ライブラリー(車) ライブラリー(lmtest) データ= read.xlsx( "xiti4.xlsx"、シート= 1) データ (データ)を添付
FM1 = LM(Y〜X1 + X2 + X3 + X4 + X5 + X6 + X7)#複数の回帰モデル COEF(FM1)
#残留プロット:残留分析 しない=残油(FM1) X = CBIND(1、as.matrix(データ[2:8])) T = TI(EI、X)#外部Kaiman R = RI(EI、X)#Kaiman プロット(嵌合(FM1)、T)
分散の外部拡張、異質性:数字はそれを示して
#影響力のあるポイントの識別 #cook距離 RES = cooks.distance(FM1) RES [RES> 4 /(25-7-1)]
15 20 22 23 24 0.7626036 0.4177263 1.0797246 5.9390636 115.3547590
influence.measures(FM1)
INFカラムは、強い衝撃点を示します
#外れ値を決定します 回帰パラメータの数calcu_F =関数(P、R)#P、R Kaiman { N =長さ(R) 年=(NP-2)*(R ** 2)/(NP-1-R ** 2) リターン(年) } FF = calcu_F(7、R) F_VAL =のQF(1-0.05,1,17) FF [FF> F_VAL] #F統計
15 20 23 24 6.369148 8.245486 27.667296 10.433935
>#外れ値の識別 この点例外で> OutlierTest(FM1)#BonferroniのP <0.05 rstudent未調整p値ボンフェローニのp 23 -5.259971 7.7773e-05 0.0019443