Memvisualisasikan kecocokan model

Pengantar Regresi di R

Richie Cotton

Data Evangelist at DataCamp

Sifat sisa yang diharapkan

Sisa berdistribusi normal
Rata-rata sisa adalah nol

Bream dan perch lagi

Bream: model "bagus"

mdl_bream <- lm(mass_g ~ length_cm, data = bream)

Plot sebar massa bream vs panjangnya, dengan garis tren, seperti ditampilkan sebelumnya.

Perch: model "buruk"

mdl_perch <- lm(mass_g ~ length_cm, data = perch)

Plot sebar massa perch vs panjangnya, dengan garis tren, seperti ditampilkan sebelumnya.

Sisa vs nilai taksiran

Bream

Plot sebar sisa model bream vs nilai taksiran, dengan garis tren LOESS. Garis tren tetap dekat sumbu x.

Perch

Plot sebar sisa model perch vs nilai taksiran, dengan garis tren LOESS. Garis tren membentuk huruf V.

Plot Q-Q

Bream

Plot Q-Q sisa terstandar model bream vs kuantil teoretis. Titik-titik mengikuti garis sama dengan cukup rapat, kecuali dua pencilan.

Perch

Plot Q-Q sisa terstandar model perch vs kuantil teoretis. Titik-titik tidak mengikuti garis sama dengan secara rapat, terutama di sisi kanan plot.

Skala-lokasi

Plot sebar sisa terstandar akar kuadrat model bream vs nilai taksiran, dengan garis tren LOESS. Garis tren sedikit naik saat nilai taksiran meningkat.

Plot sebar sisa terstandar akar kuadrat model perch vs nilai taksiran, dengan garis tren LOESS. Garis tren naik-turun beberapa kali saat nilai taksiran meningkat.

autoplot()

library(ggplot2)
library(ggfortify)

autoplot(model_object, which = ???)

Nilai untuk which

1 sisa vs nilai taksiran
2 plot Q-Q
3 skala-lokasi

autoplot() dengan model perch

autoplot(
  mdl_perch, 
  which = 1:3, 
  nrow = 3, 
  ncol = 1
)

Tiga plot diagnostik untuk model perch ditampilkan dalam satu gambar dengan tiga panel.

'Autoplot, mulai!' -Plotimus Prime

Pengantar Regresi di R