Wizualizacja dopasowania modelu

Wprowadzenie do regresji w R

Richie Cotton

Data Evangelist at DataCamp

Pożądane właściwości reszt

Reszty mają rozkład normalny
Średnia reszt wynosi zero

Leszcz i okoń ponownie

Leszcz: model „dobry"

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

Wcześniej pokazany wykres rozrzutu masy leszcza względem długości z linią trendu.

Okoń: model „zły"

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

Wcześniej pokazany wykres rozrzutu masy okonia względem długości z linią trendu.

Reszty a wartości dopasowane

Leszcz

Wykres rozrzutu reszt modelu leszcza względem wartości dopasowanych z linią trendu LOESS. Linia trendu przebiega blisko osi x.

Okoń

Wykres rozrzutu reszt modelu okonia względem wartości dopasowanych z linią trendu LOESS. Linia trendu tworzy kształt litery V.

Wykres Q-Q

Leszcz

Wykres Q-Q standaryzowanych reszt modelu leszcza względem kwantyli teoretycznych. Punkty ściśle podążają za linią równości reszt i kwantyli, z wyjątkiem dwóch obserwacji odstających.

Okoń

Wykres Q-Q standaryzowanych reszt modelu okonia względem kwantyli teoretycznych. Punkty nie podążają ściśle za linią równości reszt i kwantyli, szczególnie po prawej stronie wykresu.

Skala-lokalizacja

Wykres rozrzutu pierwiastka ze standaryzowanych reszt modelu leszcza względem wartości dopasowanych z linią trendu LOESS. Linia trendu nieznacznie rośnie wraz ze wzrostem wartości dopasowanych.

Wykres rozrzutu pierwiastka ze standaryzowanych reszt modelu okonia względem wartości dopasowanych z linią trendu LOESS. Linia trendu kilkakrotnie wznosi się i opada wraz ze wzrostem wartości dopasowanych.

autoplot()

library(ggplot2)
library(ggfortify)

autoplot(model_object, which = ???)

Wartości which

1 reszty a wartości dopasowane
2 wykres Q-Q
3 skala-lokalizacja

autoplot() dla modelu okonia

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

Trzy wykresy diagnostyczne modelu okonia przedstawione jako jeden wykres z trzema panelami.

„Autoploty, do dzieła!" –Plotimus Prime

Wprowadzenie do regresji w R