对于下面的简单示例,您可以看到在随后的图中有某些点被识别出来。我如何提取在这些图中被标识的行号,特别是正态 Q-Q 图?
set.seed(2016)
maya <- data.frame(rnorm(100))
names(maya)[1] <- "a"
maya$b <- rnorm(100)
mara <- lm(b~a, data=maya)
plot(mara)
我尝试使用 str(mara) 查看其中是否有列表,但我没有在正常 Q-Q 图中看到任何数字。你有什么想法吗?对于下面的简单示例,您可以看到在随后的图中有某些点被识别出来。我如何提取在这些图中被标识的行号,特别是正态 Q-Q 图?
set.seed(2016)
maya <- data.frame(rnorm(100))
names(maya)[1] <- "a"
maya$b <- rnorm(100)
mara <- lm(b~a, data=maya)
plot(mara)
我尝试使用 str(mara) 查看其中是否有列表,但我没有在正常 Q-Q 图中看到任何数字。你有什么想法吗?我已使用set.seed(2016)
进行了修改,以便重现您的问题。要回答您的问题,我需要解释如何生成您看到的Q-Q图。
se <- sqrt(sum(mara$residuals^2) / mara$df.residual) ## Pearson residual standard error
hii <- lm.influence(mara, do.coef = FALSE)$hat ## leverage
std.resi <- mara$residuals / (se * sqrt(1 - hii)) ## standardized residuals
## these three lines can be replaced by: std.resi <- rstandard(mara)
现在,让我们比较一下我们自己生成的 Q-Q 图和 plot.lm
生成的图:
par(mfrow = c(1,2))
qqnorm(std.resi, main = "my Q-Q"); qqline(std.resi, lty = 2)
plot(mara, which = 2) ## only display Q-Q plot
一样的,对吧?
现在,唯一剩下的问题就是数字的标签。这些标记点标注了最大的三个绝对值标准化残差。考虑以下内容:
x <- sort(abs(std.resi), decreasing = TRUE)
id <- as.integer(names(x))
id[1:3]
# [1] 23 8 12
现在,如果你仔细观察图表,你可以看到那三个数字正是所示的。了解这一点后,你还可以查看例如 id[1:5]
。