我有一个数据集，它给出了一个州所有邮政编码中某些现象的发生率，以及一些人口统计数据。数据集（第1年 - 第6年）每年的费率。我们提供了一小段数据here。
我已经运行多元线性回归来检验人口统计变量对费率的影响，每个Fox＆amp; Weisberg（2011），按所有年份（var = POPmean）的平均邮政编码人口加权：
Y <- cbind(data$rateY1, data$rateY2, data$rateY3, data$rateY4, data$rateY5, data$rateY6)
model <- lm(Y ~ someVAR1+someVAR2+someVAR3+someVAR4+someVAR5, data=data, weights= POPmean)
summary(model)
coef(model)
summary(manova(model))
我想为每年的此模型绘制回归诊断图，但不知道如何这样做。我想使用influencePlot()包中的car，但是当我尝试这样做时：
influencePlot(model, id.method="noteworthy", main="Robustness Check")
我收到一条错误，指出x，y的长度不同（当然，它们的长度不同）。任何人都可以帮助弄清楚如何绘制上面给出的模型的回归诊断？或者建议另一种方法？