plot.lm() 如何确定残差与拟合值图中的异常值？

Question

plot.lm()如何确定哪些点是异常值（即要标记哪些点）以进行残差与拟合图？在文档中，我唯一发现的内容是：

“详情”： 默认情况下，子标题（即函数调用）会显示为每个图的副标题（在x轴标题下方），当图分别位于单独的页面上时，或者作为外边距中的副标题（如果有多个图在同一页上）。 “比例位置”图，也称为“扩展位置”或“S-L”图，通过取绝对残差的平方根来减小偏斜度（sqrt（|E|））明显比高斯零均值E的| E |更不偏斜）。 'S-L'、Q-Q和残差杠杆力量图使用标准化残差，这些残差在假设下具有相同的方差。它们被给定为R[i]/（s * sqrt（1-h.ii）），其中h.ii是帽子矩阵的对角线条目，影响（）$ hat（请参见帽子），而残差杠杆力量图使用标准化Pearson残差（residuals.glm（type =“pearson”））用于R[i]。 残差杠杆力量图显示相等的Cook距离轮廓，对于cook.levels的值（默认为0.5和1），省略具有警告的杠杆率为1的情况。如果杠杆率是常数（通常在平衡aov情况下是这种情况），则该图使用因子级别组合而不是杠杆率用于x轴。（因子级别按均拟合值排序。） 在Cook的距离与杠杆/（1-杠杆）图中，相等大小的标准化残差轮廓线通过原点。轮廓线用大小标记。

但它没有说明如何生成残差与拟合图以及如何选择要标记哪些点。

更新：Zheyuan Li的答案表明，残差与拟合图标记点的方法实际上只是查看具有最大残差的3个点。这确实是事实。可以通过以下“极端”示例来证明。

x = c(1,2,3,4,5,6)
y = c(2,4,6,8,10,12)
foo = data.frame(x,y)
model = lm(y ~ x, data = foo)

- 3x89g2

---

@ZheyuanLi 谢谢。我在文档中看到了这个，但我想知道为什么我们没有像 id.n = ALL 这样的选项。现在我明白了。 - 3x89g2

Answer 1

他们找出最大的3个绝对标准化残差。考虑这个例子：

fit <- lm(dist ~ speed, cars)
plot(fit, which = 1)

r <- rstandard(fit)  ## get standardised residuals
order(abs(r), decreasing = TRUE)[1:3]
# [1] 49 23 35

- Zheyuan Li

Answer 2

它是3个绝对最高的拟合值

r <- abs(selectedMod$residuals)
order((r), decreasing = TRUE)[1:3]

- thistleknot