Comencé a cavar un poco en la función plot.lm , esta función da seis gráficos para lm, son:
- una gráfica de residuos contra valores ajustados
- una gráfica de ubicación de escala de sqrt (| residuales |) contra valores ajustados
- un gráfico QQ normal, un gráfico de distancias de Cook versus etiquetas de fila
- una parcela de residuos contra apalancamientos
- una gráfica de las distancias de Cook contra el apalancamiento / (1 apalancamiento)
Y me pregunto qué otras extensiones comunes / útiles de los gráficos actuales existen para los modelos lineales, y ¿cómo se pueden hacer en R? (También se aceptan enlaces a artículos de paquetes)
Entonces, la función boxcox (de {MASS}) es un ejemplo de otra gráfica de diagnóstico útil (y tal respuesta sería excelente), sin embargo, tengo más curiosidad acerca de las variaciones / extensiones en las gráficas de diagnóstico predeterminadas existentes para lm en R (aunque en general otras observaciones sobre el tema siempre son bienvenidas).
Aquí hay algunos ejemplos simples de lo que quiero decir:
#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)
Para trazar los residuos frente a cada uno de los potenciales 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 agregar la línea 0-1 (¿cómo se llama esta línea en inglés ?!) a la trama qq para ver cuánto se desvía de ella.
plot(fit, which = 2); abline(0,1, col = "green")
Para trazar el qq-plot usando residuos externamente estudiados
# 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