开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第9天，点击查看活动详情
项目实操——回归诊断
找到回归模型之后，我们仍需要解决以下的问题：
这个模型是否是最佳的模型？
模型最大程度满足OLS模型的统计假设？
模型是否经得起更多数据的检验？
如果拟合出来的模型指标不好，该如何继续下去？
我们需要从多个维度对回归分析的结果进行诊断
除了利用summary()函数统计出来的各个指标进行检验，还可以用plot()函数进行绘图，可以生成评价拟合模型的四幅图
下面我们来举个例子：
我们还是使用women这个数据集：
fit <- lm(weight ~ height,data = women)
par(mfrow=c(2,2))
plot(fit)
#par()函数可以修改plot()函数的绘图参数，par()函数的mfrow选项参数可以定制图形的分布，默认是一张图上显示一幅图，可以使这个参数等于c这个向量，mfrow=c(2,2)表示横排显示两幅，纵排显示两幅，这样就可以将四幅图显示在一个画面内。
不是所有的数据都可以使用OLS模型进行拟合的，需要满足以下的前提条件：
正态性：对于固定的自变量值，因变量需要呈正态的分布
独立性:自变量之间相互独立
线性：因变量与自变量之间为线性相关
同方差性：因变量的方差不随自变量的水平不同而变化，也可以称作不变方差
第一幅图是残差与拟合的图，这幅图用来表示因变量与自变量是否呈线性关系，图中的点是残差值的分布，线为拟合曲线。如果图中是一个曲线的分布，说明可能存在二次项的分布
第二幅图是R中比较常见的qq图，QQ图用来描述正态性，如果数据呈正态分布，那么在QQ图中就是一条直线
第三幅图是位置与尺寸图，用来描述同方差性，如果满足不变方差的假设，那么图中水平线周围的点应该是随机分布的
第四幅图是残差与杠杆图，提供了对单个数据值的观测，从图中可以看到哪些点偏差较远，可以用来鉴别离群点、高杠杆点和强影响点，高杠杆点表示它是一个异常的预测变量的组合；强影响点表示这个值对模型参数的估计产生的影响较大，如果删除或者转换就可能违背客观数据的
事实
但是这四幅图没办法说明数据是否具有独立性
只能从收集的数据中验证，要判断收集的数据是否独立，我们可以拟合函数再加一个二次项，再绘制一次图看一下。
fit2 <- lm(weight ~ height+I(height^2),data = women)
> opar <- par(no.readonly = TRUE)
> par(mfrow=c(2,2))
> plot(fit2)
结果明显好一些：
抽样法验证：
1、数据集中有1000个样本，随机抽取500个数据进行回归分析；
2、模型建好之后，利用predict()函数，对剩余的500个样本进行预测，比较残差值
3、如果预测准确，说明模型可以，否则就需要调整模型。
