W tym samouczku wyja\u015bniono, jak utworzy\u0107 wykresy reszt dla modelu regresji w j\u0119zyku R.<\/span><\/p>\n W tym przyk\u0142adzie dopasujemy model regresji, korzystaj\u0105c z wbudowanego zbioru danych R mtcars<\/strong> , a nast\u0119pnie utworzymy trzy r\u00f3\u017cne wykresy reszt w celu analizy reszt.<\/span><\/p>\n Krok 1: Dopasuj model regresji.<\/strong><\/span><\/p>\n Najpierw dopasujemy model regresji, u\u017cywaj\u0105c mpg<\/strong> jako zmiennej odpowiedzi oraz disp<\/strong> i hp<\/strong> jako zmiennych obja\u015bniaj\u0105cych:<\/span><\/p>\n Krok 2: Utw\u00f3rz wykres resztkowy lub skorygowany.<\/strong><\/span><\/p>\n Nast\u0119pnie utworzymy wykres reszt\/dopasowany, przydatny do wizualnego wykrywania heteroskedastyczno\u015bci \u2013 na przyk\u0142ad systematycznej zmiany rozk\u0142adu reszt w pewnym zakresie warto\u015bci.<\/span> <\/p>\n O\u015b x wy\u015bwietla dopasowane warto\u015bci, a o\u015b y wy\u015bwietla reszty. Z wykresu wida\u0107, \u017ce rozk\u0142ad reszt jest zwykle wy\u017cszy w przypadku wy\u017cszych dopasowanych warto\u015bci, ale nie wydaje si\u0119 to na tyle powa\u017cne, aby\u015bmy musieli wprowadza\u0107 zmiany w modelu.<\/span><\/p>\n Krok 3: Stw\u00f3rz wykres QQ.<\/strong><\/span><\/p>\n Mo\u017cemy r\u00f3wnie\u017c utworzy\u0107 wykres QQ, przydatny do okre\u015blenia, czy reszty maj\u0105 rozk\u0142ad normalny. Je\u015bli warto\u015bci danych na wykresie przebiegaj\u0105 mniej wi\u0119cej po linii prostej pod k\u0105tem 45 stopni, w\u00f3wczas dane maj\u0105 rozk\u0142ad normalny.<\/span> <\/p>\n Widzimy, \u017ce reszty maj\u0105 tendencj\u0119 do niewielkiego odchylenia od linii w pobli\u017cu ogon\u00f3w, co mo\u017ce wskazywa\u0107, \u017ce nie maj\u0105 one rozk\u0142adu normalnego.<\/span><\/p>\n Krok 4: Stw\u00f3rz wykres g\u0119sto\u015bci.<\/strong><\/span><\/p>\n Mo\u017cemy r\u00f3wnie\u017c utworzy\u0107 wykres g\u0119sto\u015bci, kt\u00f3ry jest r\u00f3wnie\u017c przydatny do wizualnego sprawdzenia, czy reszty maj\u0105 rozk\u0142ad normalny, czy nie. Je\u015bli wykres ma kszta\u0142t zbli\u017cony do dzwonu, reszty prawdopodobnie maj\u0105 rozk\u0142ad normalny.<\/span> <\/p>\n Widzimy, \u017ce wykres g\u0119sto\u015bci ma z grubsza kszta\u0142t dzwonu, chocia\u017c jest lekko nachylony w prawo. W zale\u017cno\u015bci od rodzaju badania badacz mo\u017ce zdecydowa\u0107 si\u0119 na przekszta\u0142cenie danych lub nie, aby zapewni\u0107 bardziej normalny rozk\u0142ad reszt.<\/span><\/p>\n Jak obliczy\u0107 reszty standaryzowane w R<\/a> Wykresy reszt s\u0105 cz\u0119sto wykorzystywane do oceny, czy reszty z analizy regresji maj\u0105 rozk\u0142ad normalny i czy wykazuj\u0105 heteroskedastyczno\u015b\u0107 . W tym samouczku wyja\u015bniono, jak utworzy\u0107 wykresy reszt dla modelu regresji w j\u0119zyku R. Przyk\u0142ad: Pozosta\u0142e dzia\u0142ki w R W tym przyk\u0142adzie dopasujemy model regresji, korzystaj\u0105c z wbudowanego zbioru danych R mtcars , a nast\u0119pnie […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-676","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: Pozosta\u0142e dzia\u0142ki w 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![\"Pozosta\u0142y](\"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![\"Resztkowy](\"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![\"Krzywa](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residplotr3.png\")
<\/p>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak obliczy\u0107 studentyzowane reszty w R<\/a>
Jak utworzy\u0107 histogram reszt w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"