OLSRR项目中的回归影响力分析指南

引言

在回归分析中，单个异常观测值可能会对模型结果产生不成比例的巨大影响。作为数据分析师，我们需要识别这些有影响力的观测点，并在解释模型结果时予以特别关注。rsquaredacademy/olsrr项目提供了一套完整的工具集，专门用于检测线性回归模型中的影响力观测值。

影响力分析基础概念

在深入具体方法之前，我们需要理解几个关键概念：

1. 杠杆值(Leverage)：反映一个观测点在自变量空间中的异常程度
2. 残差(Residual)：观测值与模型预测值之间的差异
3. 影响力(Influence)：一个观测点对模型参数估计的综合影响程度

Cook距离分析

Cook距离条形图

Cook距离是最常用的影响力度量指标之一，它综合考虑了杠杆值和残差大小：

model <- lm(mpg ~ disp + hp + wt + qsec, data = mtcars)
ols_plot_cooksd_bar(model)

该函数会生成一个条形图，直观展示每个观测点的Cook距离值。通常，我们关注那些Cook距离明显高于其他点的观测值。

Cook距离图表

与条形图不同，Cook距离图表提供了另一种可视化方式：

ols_plot_cooksd_chart(model)

这个图表特别适合快速识别超出临界值的异常点。

DFBETAs分析

DFBETAs衡量的是删除某个观测点后模型参数估计值的变化程度：

model <- lm(mpg ~ disp + hp + wt, data = mtcars)
ols_plot_dfbetas(model)

该函数会为每个预测变量生成一个面板图，显示每个观测点对各个参数估计的影响。通常，绝对值大于2/√n的值需要特别关注。

DFFITS分析

DFFITS测量的是删除某个观测点后预测值的变化：

ols_plot_dffits(model)

临界值通常设为2√(p/n)，其中p是参数个数，n是样本量。超出此值的点可能对模型预测有显著影响。

残差分析

学生化残差图

学生化残差有助于识别Y方向的异常值：

ols_plot_resid_stud(model)

绝对值大于3的学生化残差通常被视为异常值。

标准化残差图

标准化残差是另一种检测异常值的方法：

ols_plot_resid_stand(model)

综合诊断图

学生化残差与杠杆值图

这个图形结合了残差和杠杆值信息：

ols_plot_resid_lev(model)

右上角的点既具有高杠杆值又有大残差，需要特别注意。

删除学生化残差与拟合值图

ols_plot_resid_stud_fit(model)

该图有助于识别影响模型拟合的异常点。

高级诊断工具

Hadi图

Hadi影响力测度同时考虑响应变量和预测变量的异常：

ols_plot_hadi(model)

潜在残差图

该图帮助区分高杠杆点、异常点或两者兼具的点：

ols_plot_resid_pot(model)

实践建议

1. 不要机械地删除所有被标记的异常点，应先检查数据质量
2. 考虑异常点的业务含义，有时它们可能包含重要信息
3. 可以尝试稳健回归方法替代普通最小二乘法
4. 对于高杠杆点，考虑是否需要变换变量或增加样本

通过系统应用这些诊断工具，分析师可以全面评估回归模型的稳健性，确保分析结果可靠可信。