Questo tutorial spiega come creare grafici dei residui per un modello di regressione in R.<\/span><\/p>\n In questo esempio, adatteremo un modello di regressione utilizzando il set di dati R integrato di mtcars<\/strong> e quindi produrremo tre diversi grafici dei residui per analizzare i residui.<\/span><\/p>\n Passaggio 1: adattare il modello di regressione.<\/strong><\/span><\/p>\n Innanzitutto, adatteremo un modello di regressione utilizzando mpg<\/strong> come variabile di risposta e disp<\/strong> e hp<\/strong> come variabili esplicative:<\/span><\/p>\n Passaggio 2: produrre una trama residua o modificata.<\/strong><\/span><\/p>\n Successivamente, produrremo un grafico dei residui\/adattato, utile per rilevare visivamente l’eteroschedasticit\u00e0, ad esempio un cambiamento sistematico nella distribuzione dei residui su un intervallo di valori.<\/span> <\/p>\n L’asse x mostra i valori adattati e l’asse y mostra i residui. Dal grafico possiamo vedere che la distribuzione dei residui tende ad essere maggiore per valori adattati pi\u00f9 alti, ma questo non sembra abbastanza grave da richiedere modifiche al modello.<\/span><\/p>\n Passaggio 3: produrre un grafico QQ.<\/strong><\/span><\/p>\n Possiamo anche produrre un grafico QQ, utile per determinare se i residui seguono una distribuzione normale. Se i valori dei dati nel grafico seguono una linea approssimativamente retta con un angolo di 45 gradi, i dati vengono distribuiti normalmente.<\/span> <\/p>\n Possiamo vedere che i residui tendono a deviare leggermente dalla linea vicino alle code, il che potrebbe indicare che non sono distribuiti normalmente.<\/span><\/p>\n Passaggio 4: produrre un grafico della densit\u00e0.<\/strong><\/span><\/p>\n Possiamo anche produrre un grafico della densit\u00e0, utile anche per verificare visivamente se i residui sono distribuiti normalmente oppure no. Se il diagramma ha una forma approssimativamente a campana, i residui probabilmente seguono una distribuzione normale.<\/span> <\/p>\n Possiamo vedere che il grafico della densit\u00e0 segue approssimativamente una forma a campana, sebbene sia leggermente inclinato a destra. A seconda del tipo di studio, un ricercatore pu\u00f2 o meno decidere di eseguire una trasformazione sui dati per garantire che i residui siano distribuiti pi\u00f9 normalmente.<\/span><\/p>\n Come calcolare i residui standardizzati in R<\/a> I grafici dei residui vengono spesso utilizzati per valutare se i residui di un’analisi di regressione sono distribuiti normalmente e se presentano o meno eteroschedasticit\u00e0 . Questo tutorial spiega come creare grafici dei residui per un modello di regressione in R. Esempio: grafici residui in R In questo esempio, adatteremo un modello di regressione utilizzando […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio: grafici residui in R<\/strong><\/h3>\n
#load the dataset<\/span>\ndata(mtcars)\n\n#fit a regression model<\/span>\nmodel <- lm(mpg~disp+hp, data=mtcars)\n\n#get list of residuals<\/span> \nres <- resid(model)\n<\/strong><\/pre>\n #produce residual vs. fitted plot<\/span>\nplot(fitted(model), res)\n\n#add a horizontal line at 0<\/span> \nabline(0,0)\n<\/strong><\/pre>\n![\"Terreno](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residplotr1.png\")
<\/p>\n #create QQ plot for residuals\n<\/span>qqnorm(res)\n\n#add a straight diagonal line to the plot<\/span>\nqqline(res) \n<\/strong><\/pre>\n![\"Grafico](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residplotr2.png\")
<\/p>\n #Create density plot of residuals<\/span>\nplot(density(res))\n<\/strong><\/pre>\n![\"Curva](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residplotr3.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare i residui studentizzati in R<\/a>
Come creare un istogramma dei residui in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"