Comecei a cavar um pouco a função plot.lm , essa função fornece seis gráficos para lm, são eles:
- uma plotagem de resíduos contra valores ajustados
- uma plotagem Scale-Location de sqrt (| resíduos |) em relação aos valores ajustados
- um gráfico QQ normal, um gráfico das distâncias de Cook versus rótulos de linha
- uma plotagem de resíduos contra alavancas
- um gráfico das distâncias de Cook em relação à alavancagem / (1 alavancagem)
E estou me perguntando que outras extensões comuns / úteis dos gráficos atuais existem para modelos lineares, e como elas podem ser feitas em R? (links para artigos de pacotes também são bem-vindos)
Portanto, a função boxcox (de {MASS}) é um exemplo de outro gráfico de diagnóstico útil (e essa resposta seria ótima); no entanto, estou mais curioso sobre variações / extensões nos gráficos de diagnóstico padrão existentes para lm em R (embora gerais outras observações sobre o tema são sempre bem-vindas).
Aqui estão alguns exemplos simples do que quero dizer:
#Some example code for all of us to refer to
set.seed(2542)
x1 <- rnorm(100)
x2 <- runif(100, -2,2)
eps <- rnorm(100,0,2)
y <- 1 + 2*x1 + 3*x2 + eps
y[1:4] <- 14 # adding some contaminated points
fit <- lm(y~x1+x2)
#plot(y~x1+x2)
#summary(fit)
Plotar os resíduos versus cada um dos potenciais x
plot(resid(fit)~x1); abline (h = 0)
plot(resid(fit)~x2); abline (h = 0)
# plot(resid(fit)~x1+x2) # you can also use this, but then you wouldn't be able to use the abline on any plot but the last one
Para adicionar a linha 0-1 (como essa linha é chamada em inglês ?!) ao qqplot para ver quanto a qqline se desvia dela
plot(fit, which = 2); abline(0,1, col = "green")
Plotar o gráfico qq usando resíduos estudados externamente
# plot(fit, which = 2); abline(0,1, col = "green") # The next command is just like this one
qqnorm(rstandard(fit), ylim = c(-2.2,4.2)); qqline(rstudent(fit), lty = 2) ;abline(0,1, col = "green")
qqnorm(rstudent(fit), ylim = c(-2.2,4.2)); qqline(rstudent(fit), lty = 2) ;abline(0,1, col = "green")
# We can note how the "bad" points are more extreme when using the rstudent