本笔记中原始数据及代码均来源于李东风先生的R语言教程,在此对李东风先生的无私分享表示感谢。
残差诊断:
plot(lmre1, which=1)
残差图有明显的非线性。 考虑最简单的非线性模型:
令x1=x,x2=x方,有
是二元线性回归模型。 作二次多项式回归:
lmre2 ~ Months + I(Months^summary(lmre2)
## Call:## lm(formula = Sales ~ Months + I(Months^2), data = Reynolds)## ## Residuals:## Min 1Q Median 3Q Max ## -54.963 -16.691 -6.242 31.996 43.789 ## ## Coefficients:## Estimate Std. Error t value Pr(>|t|) ## (Intercept) 45.347579 22.774654 1.991 0.06973 . ## Months 6.344807 1.057851 5.998 6.24e-05 ***## I(Months^2) -0.034486 0.008948 -3.854 0.00229 ** ## ---## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1## ## Residual standard error: 34.45 on 12 degrees of freedom## Multiple R-squared: 0.9022, Adjusted R-squared: 0.8859 ## F-statistic: 55.36 on 2 and 12 DF, p-value: 8.746e-07
模型显著。 R方从线性近似的0.78提高到0.90。 x方项的系数的显著性检验p值为0.002,显著不等于零, 说明二次项是必要的。
往期回顾
R相关与回归学习笔记(一)——相关分析
R相关与回归学习笔记(二)——相关与因果、相关系数大小、相关系数的检验
R相关与回归学习笔记(三)——相关阵、一元回归分析
R相关与回归学习笔记(五)——回归有效性
R相关与回归学习笔记(六)——R程序
R相关与回归学习笔记(七)——回归诊断(一)
R相关与回归学习笔记(七)——回归诊断(二)
R相关与回归学习笔记(八)——回归诊断(三)
R相关与回归学习笔记(九)——预测区间、控制、多元线性回归模型
R相关与回归学习笔记(十)——参数估计、R的多元回归程序(一)
R相关与回归学习笔记(十一)——模型的检验
R相关与回归学习笔记(十二)——线性关系检验、单个斜率项的显著性检验
R相关与回归学习笔记(十三)——回归自变量筛选
R相关与回归学习笔记(十四)——哑变量与变截距项的模型(一)
R相关与回归学习笔记(十五)——哑变量与变截距项的模型(二)
R相关与回归学习笔记(十六)——残差诊断(一)
R相关与回归学习笔记(十七)——残差诊断(二)
R相关与回归学习笔记(十八)——残差诊断(三)
R相关与回归学习笔记(十八)——多重共线性
R相关与回归学习笔记(十九)——强影响点分析、过度拟合示例(一)
R相关与回归学习笔记(二十)——强影响点分析、过度拟合示例(二)
R相关与回归学习笔记(二十一)——过度拟合示例(三)
R相关与回归学习笔记(二十二)——嵌套模型的比较
R相关与回归学习笔记(二十三)——拟合、点预测
R相关与回归学习笔记(二十四)——均值的置信区间、个别值的预测区间
R相关与回归学习笔记(二十五)——利用线性回归模型做曲线拟合(一)
R相关与回归学习笔记(二十六)——利用线性回归模型做曲线拟合(二)
R相关与回归学习笔记(二十七)——利用线性回归模型做曲线拟合(三)
R相关与回归学习笔记(二十八)——利用线性回归模型做曲线拟合(四)