R DFFIT的计算作为回归中杠杆和影响的诊断
我正试图手工计算DFFITS。获得的值应等于通过R DFFIT的计算作为回归中杠杆和影响的诊断,r,regression,linear-regression,lm,R,Regression,Linear Regression,Lm,我正试图手工计算DFFITS。获得的值应等于通过dffits函数获得的第一个值。然而,我自己的计算肯定有问题 attach(cars) x1 <- lm(speed ~ dist, data = cars) # all observations x2 <- lm(speed ~ dist, data = cars[-1,]) # without first obs x <- model.matrix(speed ~ dist) # x matrix h <- d
dffits
函数获得的第一个值。然而,我自己的计算肯定有问题
attach(cars)
x1 <- lm(speed ~ dist, data = cars) # all observations
x2 <- lm(speed ~ dist, data = cars[-1,]) # without first obs
x <- model.matrix(speed ~ dist) # x matrix
h <- diag(x%*%solve(crossprod(x))%*%t(x)) # hat values
num_dffits <- x1$fitted.values[1] - x2$fitted.values[1] #Numerator
denom_dffits <- sqrt(anova(x2)$`Mean Sq`[2]*h[1]) #Denominator
df_fits <- num_dffits/denom_dffits #DFFITS
dffits(x1)[1] # DFFITS function
附加(车辆)
你的分子错了。由于您已从第二个模型中删除了第一个数据,相应的预测值不在拟合(x2)
中。我们需要使用predict(x2,cars[1,])
代替fitted(x2)[1]
Hat值可通过以下方式有效计算:
h <- rowSums(qr.Q(x1$qr) ^ 2)
在分子中,它是具有所有观测值的第一个拟合值与不具有第一个观测值的第一个拟合值之间的差值。在分母中,它是拟合值的方差平方根,没有第一个观测值。
h <- hat(x1$qr, FALSE)
h <- lm.influence(x1, FALSE)$hat
h <- hatvalues(x1)
c(crossprod(x2$residuals)) / x2$df.residual