前言
回归模型对数据的拟合性怎么样，有没有异常点，各自变量间存不存在多重共线？
本文进行拟合优度的评估、异常点（离群值、高杠杆值、强影响点）的识别与多重共线的诊断。
模型评估与诊断
（1）模型拟合优度评估
在模型拟合完毕通过summary()函数可以获得参数估计表，同时函数也给出了模型的决定系数、校正的决定系数。本例多重线性回归模型的决定系数R^2=0.2352，即结局变量的总变异中可由回归模型中解释变量解释的部分仅占23.52%。
除了决定系数、校正的决定系数外，赤池信息准则（AIC）、残差均方（MSE）、Cp统计量也是模型优劣的标准。
library(olsrr)ols_aic(lmfit)full_model<-lm(bwt~.,data=lmdata)#表示包含除因变量外的所有变量。例如，若一个数据框包含变量 x、y、z 和 w，代码 y ~ .可展开为 y ~x + z + wols_sbic(lmfit, full_model)
函数ols_plot_diagnostics{olsrr}能提供了线性回归的多个诊断图，其中观测值与拟合值的散点图、残差拟合离散图可以从图示角度看一下模型的拟合情况。
library(olsrr)ols_plot_diagnostics(lmfit)
如果觉得《R语言实战应用精讲50篇（三）-多重线性回归系列之模型评估与诊断应用案例》对你有帮助，请点赞、收藏，并留下你的观点哦！
