超级会员免费看
本文介绍了在R语言中处理异常值的方法，包括删除观测点和使用car包进行数据转换，如powerTransform()函数正态化变量，boxTidwell()函数改善线性关系，以及spreadLevelplot()函数解决异方差性。同时提到了检测和处理多重共线性问题的VIF统计量。
今天的内容较为简单，希望英雄们看的愉快。
我们使用的依然是state.x77数据集，她含有美国50个州在1977年的Population（人口）、Income（收入）、Illiterate（文盲率）、Murder（谋杀率）、Frost（结霜率）等。
#查看数据集
head(state.x77)
删除离群点可以提高数据集对于正态性的假设，强影响点会干扰结果，通常也会被删除。
删除最大离群点和强影响点后，模型需要重新拟合，如果离群点和强影响点仍然存在，重复以上过程，直到他们不再存在。
这是我们的底线，面对敌营异常值，要么改变他们，要么摧毁他们。
删除观测点的方法简单粗暴。
当模型不符合正态性、线性或同方差性假设时，对变量进行变化或许会改善模型效果，用爱去感化那些异常值。
car包中的 powerTransform( ) 函数通过最大似然估计来
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
