在许多情况下,为了满足经典线性模型的正态性假设,常常需要使用指数变换或者对数转化,使其转换后的数据接近正态,比如数据是非单峰分布的,或者各种混合分布,虽然不一定起作用,但是不妨试试。
我们使用平日最常见的box-cox转换,因为之前看到有人问到如何使用spss进行转换,到网上找了资料,是需要语法的,在spss中进行语法指令,显然相比较用R,还是很不方便。
分两步,第一步需要计算出,lambda值,然后把转化后的lambda值带入方程中,同时对于转换后的数据拟合出来的方程依然进行正态性的检验
第一步:
语句如下:
library(MASS)
D=read.csv("/Users/hjs/Documents/train_test_model/ridgereg1.csv",sep=",") # 加载数据
#2拟合BOXCOX 模型
b=boxcox(y~., data=D) # 定义函数类型和数据
I=which(b$y==max(b$y))
b$x[I]#lambda=0.83
#得到0.828就是下图的最高点
第二步:
依据上一步boxcox转化的lambda值,即0.83次方,代入模型
c=lm(y^0.83 ~ long + touwei + weight,data=D) # 定义一个多元回归,同理y x1 x2 x3 是cvs文件中,带变量名的字母
d=step(c) # 使用逐步法,进入多个自变量
summary(d) # 模型汇总
anova(d) # 用方差分析法对拟合的模型进行检验
shapiro.test(d$res) # 用残差对boxcox变化后的这个逐步回归方程 正态性进行检验
结果如下
Start: AIC=-21.51
y^0.83 ~ long + touwei + weight
Df Sum of Sq RSS AIC
<none> 5.7518 -21.5136
- touwei 1 4.7894 10.5412 -10.1865
- long 1 6.5893 12.3411 -6.7184
- weight 1 11.3733 17.1251 0.4891
Call:
lm(formula = y^0.83 ~ long + touwei + weight, data = D)
Residuals:
Min 1Q Median 3Q Max
-0.88677 -0.36357 -0.05594 0.38686 1.33507
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7.1472866 0.8353396 8.556 9.29e-08 ***
long 0.8158515 0.1796633 4.541 0.000253 ***
touwei -1.0078211 0.2603217 -3.871 0.001118 **
weight 0.0033182 0.0005562 5.966 1.21e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.5653 on 18 degrees of freedom
Multiple R-squared: 0.9753, Adjusted R-squared: 0.9712
F-statistic: 237.4 on 3 and 18 DF, p-value: 1.173e-14
| Df | Sum Sq | Mean Sq | F value | Pr(>F) |
---|
long | 1 | 213.896784 | 213.8967840 | 669.377918 | 1.086794e-15 |
---|
touwei | 1 | 2.271354 | 2.2713536 | 7.108073 | 1.574365e-02 |
---|
weight | 1 | 11.373302 | 11.3733018 | 35.592106 | 1.208578e-05 |
---|
Residuals | 18 | 5.751821 | 0.3195456 | NA | NA |
---|
Shapiro-Wilk normality test
data: d$res
W = 0.96598, p-value = 0.6184
可以看到Shapiro-Wilk normality test是通过的,也就是说,本次box-cox转换是成功的。