R「線形回帰分析と統計モデル」page93.6

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