Come creare un istogramma dei residui in r
Uno dei presupposti principali della regressione lineare è che i residui siano distribuiti normalmente.
Un modo per verificare visivamente questa ipotesi è creare un istogramma dei residui e osservare se la distribuzione segue o meno una “forma a campana” che ricorda la distribuzione normale .
Questo tutorial fornisce un esempio passo passo di come creare un istogramma di residui per un modello di regressione in R.
Passaggio 1: creare i dati
Innanzitutto, creiamo alcuni dati falsi con cui lavorare:
#make this example reproducible set.seed(0) #createdata x1 <- rnorm(n=100, 2, 1) x2 <- rnorm(100, 4, 3) y <- rnorm(100, 2, 3) data <- data.frame(x1, x2, y) #view first six rows of data head(data) x1 x2 y 1 3.262954 6.3455776 -1.1371530 2 1.673767 1.6696701 -0.6886338 3 3.329799 2.1520303 5.8081615 4 3.272429 4.1397409 3.7815228 5 2.414641 0.6088427 4.3269030 6 0.460050 5.7301563 6.6721111
Passaggio 2: adattare il modello di regressione
Successivamente, adatteremo ai dati un modello di regressione lineare multipla :
#fit multiple linear regression model
model <- lm(y ~ x1 + x2, data=data)
Passaggio 3: crea un istogramma dei residui
Infine, utilizzeremo il pacchetto di visualizzazione ggplot per creare un istogramma dei residui del modello:
#load ggplot2
library (ggplot2)
#create histogram of residuals
ggplot(data = data, aes (x = model$residuals)) +
geom_histogram(fill = ' steelblue ', color = ' black ') +
labs(title = ' Histogram of Residuals ', x = ' Residuals ', y = ' Frequency ')
Tieni presente che possiamo anche specificare il numero di contenitori in cui posizionare i residui utilizzando l’argomento bin .
Meno riquadri ci sono, più larghe saranno le barre nell’istogramma. Ad esempio, potremmo specificare 20 contenitori :
#create histogram of residuals
ggplot(data = data, aes (x = model$residuals)) +
geom_histogram(bins = 20 , fill = ' steelblue ', color = ' black ') +
labs(title = ' Histogram of Residuals ', x = ' Residuals ', y = ' Frequency ')
Oppure potremmo specificare 10 contenitori :
#create histogram of residuals
ggplot(data = data, aes (x = model$residuals)) +
geom_histogram(bins = 10 , fill = ' steelblue ', color = ' black ') +
labs(title = ' Histogram of Residuals ', x = ' Residuals ', y = ' Frequency ')
Non importa quante caselle specifichiamo, possiamo vedere che i residui sono distribuiti approssimativamente normalmente.
Potremmo anche eseguire un test statistico formale come Shapiro-Wilk, Kolmogorov-Smirnov o Jarque-Bera per verificare la normalità.
Tuttavia, tieni presente che questi test sono sensibili alle grandi dimensioni del campione, ovvero spesso concludono che i residui non sono normali quando la dimensione del campione è grande.
Per questo motivo spesso è più semplice valutare la normalità creando un istogramma dei residui.