UA MATH571A R语言回归分析实践 一元回归3 NBA球员的工资

前两讲已经完成了大致的分析了，我们已经明确了NBA球员名次与工资的负相关关系，接下来我们对一元线性回归模型做个诊断，看看为什么它的解释力很弱。

残差分析

做残差分析以前，我们先来看看解释变量X，这里就看看点图和序列图

dotchart(X)# dot plot
I <- c(1:651) # 651 is the sample size
plot(I,X,type = "l")# sequence plot

这个点图告诉我们两个信息，第一个信息是Draft Number是62的选手未必太多了点，这是很典型的删失数据的特征，计量经济学告诉我们应该用Tobit模型来分析这种数据；第二个信息是一个X的值可能对应多个Y的值，这说明数据存在replicate，我们有理由怀疑一元线性回归是欠拟合的。考虑到这个是讲回归分析的文章，就先不介绍Tobit模型怎么处理这个例子了，但之后我们需要做一个欠拟合检验，看看一元线性回归是不是真的欠拟合。

这个序列图不存在什么特别的模式，我们可以借此排除掉序列相关性。

看完解释变量的特征后，我们再来看看残差的特征。

plot(resid(ureg01.lm)~I,type = "l")
abline(h=0)