首页  思维导图  详情

R语言实战-笔记

2019-06-21 16:54:56   22  举报





AI智能生成

为你推荐

查看更多



R语言预测实战

康奈尔笔记

R语言实战：编程基础、统计分析与数据挖掘宝典

《R语言实战》学习笔记

R语言

统计

作者其他创作

大纲/内容

回归

最小二乘法OLS回归法

数据条件

正态性

独立性

线性

同方差性

主要函数

summary

P值显著性

R方可解释比例

fitted

residuals

残差查看是否偏离

...

模型

简单线性回归

多项式回归

多元线性回归

cor变量两两间相关系数

car包中的scatterplotMatrix图形表示变量间关系

回归系数含义

其他预测变量不变时，某个预测变量和因变量的关系

有交互项的多元线性回归

lm中使用符号:

回归判断

标准方法

plot生成四幅图

Normal Q-Q图

观察正态性

Residuals vs Fitted图

观察线性

若不为直线可能要加上变换

Scale-Location Graph图

观察同方差性

水平线周围的点应随机分布

Residuals vs Leverage图

观测离群点、高杠杆点、强影响点

改进的方法

car包中的函数

qqPlot

误差独立性

最好是依据收集数据的方式先验

对于时间独立可以通过durbinWatsonTest判断

crPlot

ncvTest

spreadLevelPlot

会给出建议的变换

多重共线性

car包的vif

sqrt(vif)>2明显

异常观测值

离群点

概念

模型预测效果不佳的观测点

通常有很大的正或负的残差

正的残差说明模型低估了响应值

负的残差说明高估了相应值

判断

Q-Q图

car包的outlierTest

只能检验单个点

如果显著，需要删除该点再继续检验

高杠杆值点

与其他预测变量有关的离群点

由许多异常的预测变量值组合起来

与响应变量值没有关系

可能是强影响点，也可能不是

帽子统计量/hat statistic自己写的函数

强影响点

对模型参数估计影响有些比例失衡的点

Cook距离/D统计量

变量添加图/added variable plot

car包的avPlots

一图全含

influencePlot

纵坐标超过+-2的是离群点

横坐标大于0.2或0.3的是高杠杆值

圆圈大小与影响成正比

改进措施

删除观测点

数据记录错误

受试对象误解了指导说明

谨慎

变量变换

不满足正态性

car包的powerTransform

不满足线性

car包的boxTidwell

添加或删除变量

使用其它回归方法

选择最佳回归模型

模型比较

anova

AIC

越小越优先

变量选择

逐步回归

向前逐步回归

向后逐步回归

向前向后逐步回归

MASS包的stepAIC

全子集回归

leaps包的regsubsets

结果用leaps包的plot或car包的subsets绘制

深层次分析

交叉验证

bootstrap包的crossval

相对重要性

标准化

先使用scale对数据标准化

lm拟合后用coef比较标准差

相对权重

relweights自写函数

R语言实战

基础统计分析

描述性统计

定量变量

类别变量

频数表

列联表

K方检验

函数

sapply自定义

Hmisc包的describe

pastecs包的stat.desc

psych包的describe

分组计算

aggregate

doBy包的summaryBy

psych包的describe.by

reshape数据重塑

结果可视化

直方图

密度图

箱线图

点图

频数表和列联表

一维列联表

table

二维列联表

xtabs

gmodels包的CrossTable

多维列联表

table/xtabs/ftable

其它相关函数

margin.table

prop.table

addmargins

独立性检验

卡方独立性检验

chisq.test

Fisher精确检验

fisher.test

条件：行或列至少一个大于等于2

不能用于2*2列联表

Cochran-Mantel-Haenszel检验

mantelhaen.test

两个名义变量在第三个变量的每一层中都是条件独立的