如何基於另一個線性回歸從線性回歸中過濾出行

Question

我想進行一個線性回歸，該回歸將包括三個步驟： 1）在所有數據點上運行回歸2）使用rstandard的絕對rstandard值找出10個離群值3）在新數據上再次運行回歸幀。 我知道如何手動執行操作，但是這些操作很尷尬。 有沒有辦法自動做到這一點？ 是否也可以取出列？

這是我的玩具數據框和代碼（我將取出2個離群值）：

df <- read.table(text = "userid target birds    wolfs     
                 222       1        9         7 
                 444       1        8         4 
                 234       0        2         8 
                 543       1        2         3 
                 678       1        8         3 
                 987       0        1         2 
                 294       1        7         16 
                 608       0        1         5 
                 123       1        17        7 
                 321       1        8         7 
                 226       0        2         7 
                 556       0        20        3 
                 334       1        6         3 
                 225       0        1         1 
                 999       0        3         11 
                 987       0        30         1  ",header = TRUE) 
model<- lm(target~ birds+ wolfs,data=df)
rstandard <- abs(rstandard(model))
df<-cbind(df,rstandard)
g<-subset(df,rstandard > sort(unique(rstandard),decreasing=T)[3])
g
       userid target birds wolfs rstandard    
    4     543      1     2     3  1.189858    
   13    334      1     6     3  1.122579  

   modelNew<- lm(target~ birds+ wolfs,data=df[-c(4,13),])

Answer 1

我不知道如何在不估計兩個模型的情況下做到這一點，第一個模型確定最有影響力的案例，第二個模型在沒有這些案例的情況下確定數據。 您可以簡化代碼並避免混亂的工作空間，但是，只需一次完成所有工作即可，並且將子集過程嵌入到調用中以估計“最終”模型。 這是為您提供的示例執行此操作的代碼：

model <- lm(target ~ birds + wolfs,
    data = df[-(as.numeric(names(sort(abs(rstandard(lm(target ~ birds + wolfs, data=df))), decreasing=TRUE)))[1:2]),])

在此，初始模型，影響評估以及隨后的數據子集都內置在第一個data =之后的代碼中。

另外，請注意，生成的模型將不同於您的代碼生成的模型。 那是因為您的g不能正確識別兩個最有影響力的情況，如您所見，您只是abs(rstandard(lm(target ~ birds + wolfs, data=df))) 。 我認為這與您對unique()使用有關，這似乎不必要，但我不確定。