R 语言经典实例（原书第 2 版）

线性回归和方差分析

｜

345

#> rstudent unadjusted p-value Bonferonni p

#> 28 4.46 7.76e-05 0.0031

outlierTest 识别出了模型大多数的离群观察值。在这个例子中，它识别了观察值 28 号，

并且确认它是一个离群值。

11.16.4 另请参阅

参见 11.4 节和 11.17 节。car 包不是 R 的标准发布版的一部分；有关如何安装，请参阅

3.10 节。

11.17 识别有影响的观察值

11.17.1 问题

需要识别对回归模型影响最大的观察值。这对于诊断数据中可能存在的问题很有用。

11.17.2 解决方案

influence.measures 函数报告了几个有用的统计量，用于识别有影响的观察值，并

用星号（*）标记显著的观察值。它的主要参数是回归得到的模型对象：

influence.measures(m)

11.17.3 讨论

这个方案的标题可能是“识别有

过度

影响的观察值”，但这可能是多余的。所有观察值都

会影响回归模型，哪怕只是一点点影响。当统计学家说观察值是有影响的（influential）

时，这意味着删除这个观察值将显著改变拟合的回归模型。我们需要识别这些观察结

果，因为它们可能是扭曲我们模型的离群值。我们应该自己调查这些值。

函数 influence.measures 报告了几个统计量：DFBETAS、DFFITS、协方差比、库克

（Cook）距离和帽子矩阵值。如果这些度量值中的任何一个表明一个观察值是有影响的，

那么该函数会在该观察值右侧用一个星号（ ...