使用Box-Cox变换改进stackloss数据集的统计分析

2023-11-18 理论教育版权反馈

【摘要】：在实验4．4．1中曾对stackloss数据集进行了逐步回归，在实验4．4．2中曾对stackloss数据集进行了回归诊断．现在我们再考虑进行Box-Cox变换使回归方程的残差满足齐性．在实验4．4．1中，从回归诊断图（图4-2）的残差图，我们看到了残差图呈喇叭口形状，属于异方差情况，数据需要作Box-Cox变换．以下进行Box-Cox变换，画3张图：第1张图为残差与预测散点图，第2张图可确定参数

在实验4．4．1中曾对stackloss数据集进行了逐步回归，在实验4．4．2中曾对stackloss数据集进行了回归诊断．现在我们再考虑进行Box-Cox变换使回归方程的残差满足齐性．

在实验4．4．1中，从回归诊断图（图4-2）的残差图，我们看到了残差图呈喇叭口形状，属于异方差情况，数据需要作Box-Cox变换．

以下进行Box-Cox变换，画3张图：第1张图为残差与预测散点图，第2张图可确定参数λ，第3张图为变换后残差与预测散点图．

＞library(MASS)

＞op＜－par(mfrow＝c(3,1),mar＝0．4＋c(4,4,1,1),oma＝c(0,0,2,0))

＞plot(fitted(lm．correct),resid(lm．correct),cex＝1．2,pch＝21,col＝ˈredˈ,bg＝ˈorangeˈ,xlab＝ˈfitted Valueˈ,ylab＝ˈResidualsˈ)

＞boxcox(lm．correct,lambda＝seq(0,2,by＝0．1))

＞lambda＜－0．32

＞Ylam＜－(stack．loss∧lambda－1)/lambda(www.chuimin.cn)

＞lm．lam＜－lm(Ylam～Air．Flow＋Water．Temp);

＞summary(lm．lam)

＞plot(fitted(lm．lam),resid(lm．lam),cex＝1．2,pch＝21,col＝ˈblueˈ,bg＝ˈorangeˈ,xlab＝ˈFitted Valueˈ,ylab＝ˈResidualsˈ)