我需要建立一个基于2个预测变量来预测响应的模型。我正在使用R作为软件。
我用给定的R平方值尝试了以下方法： 1.线性回归-0.556 2.决策树回归-0.608 3.线性回归（使用库克距离法去除异常值后）-0.6068 4.对没有异常值的数据进行多项式回归（3的幂）-0.608
当我检查假设时，我看到下图- we can see that none of the assumptions seem to be fulfilled.
我应该使用一些不同的回归模型吗？我已经确认我正在处理的数据是干净的。
线性回归的输出摘要如下
Call:
lm(formula = Freight ~ TotalWeight + distance, data = data)
Residuals:
Min 1Q Median 3Q Max
-1104.56 -60.39 -17.69 28.99 2076.90
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.286e+01 7.141e+00 4.601 4.49e-06 ***
TotalWeight 9.666e-02 2.246e-03 43.042 < 2e-16 ***
distance 5.235e-05 2.884e-06 18.152 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 165.1 on 1790 degrees of freedom
(3 observations deleted due to missingness)
Multiple R-squared: 0.5556, Adjusted R-squared: 0.5551
F-statistic: 1119 on 2 and 1790 DF, p-value: < 2.2e-16
如我们所见，两个自变量都具有极小的p值，即它们是高度相关的。 95％的置信区间为
2.5 % 97.5 %
(Intercept) 1.885358e+01 4.686585e+01
TotalWeight 9.225246e-02 1.010612e-01
distance 4.669026e-05 5.800235e-05
有什么方法可以用来更好地拟合数据。