前言
多重线性回归模型的最终建立不仅仅拟合个方程就完事了,还需要进行适用条件的考察、模型的诊断以及改进模型的再评估等。
(1)拟合多重线性回归模型;
(2)适用条件考察:线性、独立性、正态性、同方差性;
(3)模型诊断:强影响点、离群值、杠杆值、多重共线等;
(4)模型改进与再评估。
示例
原案例是来示例二分类的logistic回归的。
1989年Hosmer和Lemeshow研究了低出生体重婴儿的影响因素的数据,结局变量为是否分娩低出生体重儿(变量名low,0:低出生体重,即婴儿出生体重<2500克;1:正常),同时给出了每个新生儿的具体体重(bwt,g),考虑的影响(自变量)有:产妇妊娠前体重(lwt,磅)、产妇年龄(age,岁)、产妇在妊娠期间是否吸烟(smoke,0=未吸、1=吸烟)、本次妊娠前早产次数(ptl,次)、是否患有高血压(ht,0=否、1=是)、子宫对按摩、催产素等刺激引起收缩的应激性(ui,0=无、1=有)、妊娠前三个月社区医生随访次数(ftv,次)、种族(race,1=白人、2=黑人、3=其他民族)。
示例来源:SPSS统计分析高级教程/张文彤,董伟主编.—2版.—北京:高等教育出版社,.3.
我们选取其中的变量以体重(g)为响应变量示例多重线性回归。这个示例自变量大部分是分类变量,其实可以考虑将体重转换成二分类变量进行二分类的log
如果觉得《R语言实战应用精讲50篇(五)-多重线性回归系列之模型拟合》对你有帮助,请点赞、收藏,并留下你的观点哦!