r语言双因素方差分析怎么处理数据：手把手教你用R语言做回归后的残差分析
r语言双因素方差分析怎么处理数据：手把手教你用R语言做回归后的残差分析hatvalues<-lm.influence(lmfit)$hat或者，可以使用以下函数获得类似的结果。modelmatrix<-model.matrix(lmfit)hatvalues<-hat(modelmatrix)首先，我们得到一个矩阵形式的模型。然后我们计算hat值。
但是在这样做的同时，我（或选择的回归程序）不管来源何处，下意识地估计了每次观察对我回归线的斜率的影响程度。
我现在所做的就是重新计算这些影响。为了改变我的回归线，将它们包括在内或排除在外，每一个观察值的权重是多少？
权重的统计术语是hat values，因为它们连接了计算的估计量和它们的原始对应的估计量。
以下是用R语言计算的方法：
modelmatrix<-model.matrix(lmfit)
hatvalues<-hat(modelmatrix)
首先，我们得到一个矩阵形式的模型。然后我们计算hat值。
或者，可以使用以下函数获得类似的结果。
hatvalues<-lm.influence(lmfit)$hat
让我们考虑一下可以施加在每个权重上的限制。
显然，权重的最小可能值等于所有原始Y值贡献相等的可能性（因为它们必须为线性回归程序贡献一些东西，通过对所有观测进行工作和优化来估计系数）。
在这种情况下，其值域的下限为1/n，其中n是观测总数。在任何情况下，因为n总是 ve，所以权重总是<1。
现在试着将hat值加和，你会看到一个有趣的结果…
sum(hatvalues)
[1] 4
它们等于线性回归模型为计算考虑的影响因素数量 1。
例如，在示例数据集中，我们有三个因素，即温度、湿度和风速。
接下来，我们如何找到最重要或最有影响的观察结果？
一种优雅的方式是：
- 将hat值切分为四分位数。
- 应用95%标准过滤最异常值。
- 将该过滤标准应用于观察结果。
R语言允许你一步完成这些操作！
df[hatvalues>quantile(hatvalues 0.95) ]
我们可以得到满足这一标准的具体观测结果。
days.instant days.atemp days.hum days.windspeed days.casual
9 9 0.1161750 0.434167 0.361950 54
21 21 0.1578330 0.457083 0.353242 75
22 22 0.0790696 0.400000 0.171970 93
26 26 0.2036000 0.862500 0.293850 34
32 32 0.2345300 0.829565 0.053213 47
36 36 0.2430580 0.929167 0.161079 100
45 45 0.3983500 0.375833 0.417908 208
50 50 0.3914040 0.187917 0.507463 532
65 65 0.3662520 0.948261 0.343287 114
69 69 0.3856680 0.000000 0.261877 46
90 90 0.2575750 0.918333 0.217646 179
94 94 0.5429290 0.426250 0.385571 734
95 95 0.3983500 0.642083 0.388067 167
106 106 0.4254920 0.888333 0.340808 121
153 153 0.6439420 0.305000 0.292287 736
239 239 0.6355560 0.850000 0.375617 226
249 249 0.5152000 0.886957 0.343943 204
293 293 0.4665250 0.636250 0.422275 471
302 302 0.2279130 0.882500 0.351371 57
341 341 0.4002460 0.970417 0.266175 50
368 368 0.1262750 0.441250 0.365671 89
383 383 0.2752540 0.443333 0.415429 109
388 388 0.2430580 0.911250 0.110708 145
408 408 0.1016580 0.464583 0.409212 73
421 421 0.2556750 0.395833 0.421642 317
433 433 0.5246040 0.567500 0.441563 486
434 434 0.3970830 0.407083 0.414800 447
463 463 0.4261290 0.254167 0.274871 3252
465 465 0.4766380 0.317500 0.358196 905
478 478 0.3895040 0.835417 0.344546 120
543 543 0.5947040 0.373333 0.347642 1077
627 627 0.5650670 0.872500 0.357587 371
667 667 0.4677710 0.694583 0.398008 998
668 668 0.4394000 0.880000 0.358200 2
694 694 0.2487420 0.404583 0.376871 532
722 722 0.2361130 0.441250 0.407346 205
726 726 0.2203330 0.823333 0.316546 9
最终，你可以用颜色编码使他们具象化。
##具象化
plot(df$days.casual lmfit$fitted.values col=ifelse(hatvalues>quantile(hatvalues 0.95) 'red' 'blue'))
就是这样！这是进行残差分析和其重要性的简单概述。
原文标题：
Doing Residual Analysis Post Regression in R
原文链接：
https://dzone.com/articles/doing-residual-analysis-post-regression-in-r
编辑：王菁
校对：龚力
译者简介
张睿毅，北京邮电大学大二物联网在读。我是一个爱自由的人。在邮电大学读第一年书我就四处跑去蹭课，折腾整一年惊觉，与其在当下焦虑，不如在前辈中沉淀。于是在大二以来，坚持读书，不敢稍歇。资本主义国家的科学观不断刷新我的认知框架，同时因为出国考试很早出分，也更早地感受到自己才是那个一直被束缚着的人。太多真英雄在社会上各自闪耀着光芒。这才开始，立志终身向遇到的每一个人学习。做一个纯粹的计算机科学里面的小学生。
— 完 —
关注清华-青岛数据科学研究院官方微信公众平台“THU数据派”及姊妹号“数据派THU”获取更多讲座福利及优质内容。
