线性回归模型分析一般步骤小结

线性回归模型分析一般步骤小结_r语言

回归的一般步骤：
（1）初次回归
fit = lm(Murder~Population+Illiteracy+Income+Frost,data=states)
summary(fit)

（2）逐步回归
step(fit) 逐步回归
查共线

（3）重新拟合
fit = lm(Murder~Population+Illiteracy,data=states)

（4）残差分析
r_fit = residuals(fit)
rs_fit = rstandard(fit)
fit_=fitted(fit)

（4.1）残差直方图与正态曲线差异

hist(r_fit,freq=F, ylim=c(0.00,0.20))

x=seq(-8,8,by=.5)

lines(x,dnorm(x,mean(r_fit),sd(r_fit)))

（4.2）模型是否合理，同方差，离群点
par(mfrow=c(2,2))
plot(fit)

（5）预测
pre = data.frame(Population=c(2110,2541,2348,2999),Illiteracy=c(1.9,0.7,3.3,0.2))
predict(fit,pre,interval=”prediction”,level=0.95)

其中states是R自带的数据，请大家拍砖提出修改意见，谢谢，形成一个处理该类问题的一个一般化的步骤方法。

还有误差项序列相关和遗漏变量检验，结构突变检验也可以做一下。
step（）是用AIC和SBC做的，所以用F检验考察一下一些系数是否同时为0。