R语言 回归诊断几种方法

回归诊断技术提供了评价回归模型使用性的必要工具，能帮助发现并且纠正问题。

有几种方法进行回归诊断。

分别是标准方法、car包中的函数、gvlma函数。建议先通过gvlma函数进行验证，如果违反假设条件，再使用其他方法来判断哪些假设没有满足并进行修改。

第一种：标准方法（了解），对lm()函数的返回对象使用plot()函数。

> fit<-lm(weight~height,data=women)
> par(mfrow=c(2,2))
> plot(fit)

最好满足线性假设（左上），残差正态性（右上）和同方差性（左下）。

线性假设：若因变量与自变量线性相关，那么残差值和预测值应该没有任何关联。如果在左上图中看到清楚的曲线关系，那么需要对回归模型加上一个二次项。

正态性：若满足正态假设，那么右上图的点应该落在呈45度角的直线上。

同方差性：若满足不变方差假设，那么左下图中，水平线周围的点应该随机分布。

从上面四个图可见&