本文介绍了R语言中用于回归分析的多种方法，包括使用car包检验异方差性和自相关性的ncvTest()、durbin.watson()函数，处理共线性问题的vif()函数，以及解决异常值问题的阻力回归和稳健回归。此外，还探讨了MASS包中的lqs()和rlm()函数，以及robust包的lmRob()函数。通过step()和stepAIC()函数进行逐步回归，lm.ridge()进行岭回归，lars()进行LASSO回归，enet()实现弹性网络，而pcr()和plsr()分别用于主成分和偏最小二乘回归。
主要内容来源为《R语言核心技术手册》。
对线性模型假设的检验car包中的ncvTest()函数可以用来检验异方差性，lmtest包中的bptest()函数可以实现同样的功能。
car包中的durbin.watson()函数可以用来检验自相关性，lmtest包的dwtest()函数可以实现同样的功能。
car包中的vif()函数可以用来计算方差膨胀因子，从而用来检验共线性问题。
处理异方差或者异常值问题
当面对异方差或者异常值问题时，可以采用阻力回归或者稳健回归。
MASS包的lqs()函数可以做阻力回归。
MASS包的rlm()函数可以做稳健回归，robust包的lmRob()函数也可以做稳健回归，两者的估计方式有差异。
对自变量有处理能力的回归方法
通过step()函数可以进行逐步回归，MASS包的stepAIC()函数可以实现相同的功能。
MASS包的lm.ridge()函数可以做岭回归。
lars包的lars()函数可以做LASSO回归，也可以做最小角回归。
elasticnet包的enet()函数可以做弹性网络。岭回归和LASSO回归都是弹性网络模型家族的成员。
pls包的pcr()函数可以做主成分回归。
pls包的plsr()函数可以做偏最小二乘回归。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
