两个数据集:一个明显具有影响力的观察,另一个则没有。但是,当我找到帽子值并使用经验法则测试时,第一个不表示撤消杠杆,第二个表示:
df1 <- dplyr::tribble(
~input_date, ~input_reading,
as.Date('2006-02-01'), 12428,
as.Date('2006-02-17'), 12543,
as.Date('2006-02-23'), 12555,
as.Date('2006-03-14'), 12716,
as.Date('2006-06-16'), 13275
)
fit1 <- lm(input_reading ~ input_date, data=df1)
hatvalues(fit1)
1 2 3 4 5
0.3594735 0.2625274 0.2376641 0.2002821 0.9400529
注意最后一次观察(5)。它的帽子值为0.94,是帽子值的2倍或3倍,所以它被标记为有影响力。
df2 <- dplyr::tribble(
~input_date, ~input_reading,
as.Date('2006-02-17'), 12543,
as.Date('2006-02-23'), 12555,
as.Date('2006-03-14'), 12716,
as.Date('2006-06-16'), 13275,
as.Date('2006-07-23'), 247 # Obseravation is influential
)
fit2 <- lm(input_reading ~ input_date, data=df2)
hatvalues(fit2)
1 2 3 4 5
0.3833232 0.3491395 0.2641404 0.3635198 0.6398770
现在看到最后一次观察,它显然具有影响力,但它的帽子值不超过平均值的2倍。
背景:数据集是一段时间内的值。每隔一段时间,价值就会变得不稳定(异常,尖峰,重置,变为零)。我的想法是使用for循环来计算每5个数据点的回归。当我遇到异常时,我可以写一些逻辑来解决它。
答案 0 :(得分:1)
在回归分析中,影响点是一种删除对参数估计有很大影响的点。 DFBETAS测量每个参数估计值的差异,有无影响点(参见例如link)。
以下是dfbetas
度量计算的代码。
df1 <- structure(list(input_date = structure(1:5, .Label = c(" as.Date('2006-02-01')",
" as.Date('2006-02-17')", " as.Date('2006-02-23')", " as.Date('2006-03-14')",
" as.Date('2006-06-16')"), class = "factor"), input_reading = c(12428L,
12543L, 12555L, 12716L, 13275L)), .Names = c("input_date", "input_reading"
), class = "data.frame", row.names = c(NA, -5L))
df1$input_date <- as.numeric(df1$input_date)
fit1 <- lm(input_reading ~ input_date, data=df1)
( dfbs1 <- dfbetas(fit1) )
# (Intercept) input_date
# 1 0.94689012 -7.851198e-01
# 2 0.07973496 -5.289019e-02
# 3 -0.18342246 -1.105316e-16
# 4 0.13852536 -4.594366e-01
# 5 -4.39111784 7.281845e+00
dfbetas
变量的input_date
图是:
plot(1:nrow(dfbs1), dfbs1[,2], pch="+")
df2 <- structure(list(input_date = structure(1:5, .Label = c(" as.Date('2006-02-17')",
" as.Date('2006-02-23')", " as.Date('2006-03-14')", " as.Date('2006-06-16')",
" as.Date('2006-07-23')"), class = "factor"), input_reading = c(12543L,
12555L, 12716L, 13275L, 247L)), .Names = c("input_date", "input_reading"
), class = "data.frame", row.names = c(NA, -5L))
df2$input_date <- as.numeric(df2$input_date)
fit2 <- lm(input_reading ~ input_date, data=df2)
( dfbs2 <- dfbetas(fit2) )
# (Intercept) input_date
# 1 -0.92324836 7.655171e-01
# 2 -0.01153703 7.652800e-03
# 3 0.10536710 4.104386e-17
# 4 -0.19892033 6.597441e-01
# 5 25.34283780 -4.202634e+01
plot(1:nrow(dfbs2), dfbs2[,2], pch="+")
结论。 dfbetas
已正确检测到两个数据集中的两个影响点。