2

我很抱歉，因为我之前曾问过同样的问题，但到目前为止答案一直很好。我用这种方法制作了六个看起来不错的地块，但现在我得到了两个奇怪的地块。您可以使用以下示例看到这种“不合身”：

x=c(9222,187720,42162,7005,3121,7534,21957,272901,109667,1394312,12230,69607471,79183,6389,64859,32479,3535,9414098,2464,67917,59178,2278,33064,357535,11876,21036,11018,12499632,5160,84574)
y=c(0,4,1,0,1,0,0,1,5,13,0,322,0,0,1,1,1,32,0,0,0,0,0,0,0,0,0,33,1,1)
lin=lm(y~x)
plot(x, y, log="xy")
abline(lin, col="blue", untf=TRUE)

这是我使用真实数据制作的图（左侧为对数，右侧为正常）：

怪异的斜坡

我并不太担心丢失的 0 值，因为我认为 lin 仍然会考虑这些值，但是正如您在日志图中看到的那样，该行甚至不会在 (1,1) 附近开始。从现在的样子来看，我希望看到点在 (1000,10) 左右。

有谁知道发生了什么？手动绘制 lin 的系数会有帮助吗？如果是这样，谁能向我解释我将如何做到这一点？

4

1 回答 1

5

首先让我们看一下线性模型的杠杆图：

plot(lin,which=5)

线性模型的杠杆图

如您所见，第 12 点（y=322）和第 28 点（y=33）是最有影响力的。此外，拟合线周围的散布随着 x 值的增加而变大。因此，进行加权回归似乎是合适的：

lin2 <- lm(y~x,weights=1/x)
summary(lin2)

Call:
lm(formula = y ~ x, weights = 1/x)

Weighted Residuals:
      Min        1Q    Median        3Q       Max 
-0.006699 -0.003383 -0.002407  0.002521  0.012733 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 3.099e-01  1.092e-01   2.838  0.00835 ** 
x           4.317e-06  5.850e-07   7.381 4.89e-08 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.005674 on 28 degrees of freedom
Multiple R-squared: 0.6605, Adjusted R-squared: 0.6484 
F-statistic: 54.47 on 1 and 28 DF,  p-value: 4.888e-08 


plot(lin2,which=5)

加权线性模型的杠杆图

这已经更好了。

plot(x, y, log="xy",ylim=c(0.1,350))
abline(lin, col="blue", untf=TRUE)
abline(lin2, col="green", untf=TRUE)

结果 （请记住，此处未绘制 0 值）

根据您的数据实际描述的内容，您可能会考虑使用广义线性模型。

于 2013-04-05T14:53:05.217 回答