plot.lm（）如何确定残差与拟合图的异常值？

Question

plot.lm（）如何确定哪些点是残差与拟合图的异常值（即标记的内容）？我在documentation中找到的唯一一件事是：

  

详情

     

sub.caption - 默认情况下，函数调用 - 在每个绘图上显示为副标题（在x轴标题下），当绘图位于不同页面上时，或者作为外边距中的副标题（如果有）在那里是每页多个图。

     

'Scale-Location'图也称为'Spread-Location'或'S-L'图，取绝对残差的平方根以减小偏度（sqrt（| E |））更少歪斜比E |对于高斯零均值E）。

     

'S-L'，Q-Q和剩余杠杆图使用具有相同方差的标准化残差（在假设下）。它们以R [i] /（s * sqrt（1-h.ii））给出，其中h.ii是帽子矩阵的对角线条目，影响（）$ hat（另见帽子），以及残差 - 杠杆图使用标准化的Pearson残差（residuals.glm（type =＆＃34; pearson＆＃34;））用于R [i]。

     

残差 - 杠杆图显示了Cook.levels（默认值为0.5和1）的值与Cook的距离相等的轮廓，并省略了带有警告的杠杆的情况。如果杠杆率是恒定的（通常是在平衡的aov情况下的情况），则该图使用因子水平组合而不是x轴的杠杆作用。 （因子水平按平均拟合值排序。）

     

在库克的距离与杠杆/（1-leverage）图中，幅度相等的标准化残差的轮廓是通过原点的线。轮廓线标有大小。

但它没有说明如何生成残差与拟合图，以及它如何选择标记点。

更新：Zheyuan Li的回答表明，残差与拟合图标记点的方式实际上只是通过查看残差最大的3个点。确实如此。它可以通过以下＆＃34;极端＆＃34;示例

x = c(1,2,3,4,5,6)
y = c(2,4,6,8,10,12)
foo = data.frame(x,y)
model = lm(y ~ x, data = foo)

Answer 1

他们找到最大的3个绝对标准化残差。考虑这个例子：

fit <- lm(dist ~ speed, cars)
plot(fit, which = 1)

r <- rstandard(fit)  ## get standardised residuals
order(abs(r), decreasing = TRUE)[1:3]
# [1] 49 23 35

Answer 2

这是3个绝对最高拟合值

r <- abs(selectedMod$residuals)
order((r), decreasing = TRUE)[1:3]