plotDiagnostics
绘制线性回归模型的观察诊断图
语法
描述
plotDiagnostics创建一个观察诊断图，如杠杆、库克距离，并删除-1统计数据，以确定异常值和有影响的观察结果。
例子
利用杠杆和库克距离发现异常值
绘制杠杆值和库克的观察距离，并找出异常值。
加载carsmall数据集和拟合的线性回归模型的里程作为一个函数的模型年，重量，和重量的平方。
负载carsmall台=表(MPG、重量);资源描述。年=分类(Model_Year);mdl = fitlm(资源描述,'MPG ~年+重量^2'）；
绘制杠杆值。
plotDiagnostics (mdl)传说(“显示”）%显示图例
虚线表示建议阈值2*p/n,在那里p是系数的个数，和n为观察次数。方法查找阈值NumCoefficients和NumObservations属性。
t_leverage = 2 * mdl.NumCoefficients / mdl.NumObservations
t_leverage = 0.1064
查找杠杆值超过阈值的观察值。
找到(mdl.Diagnostics。利用> t_leverage)
ans =3×126日32 35
您还可以使用数据提示找到一个观察数字。选择阈值线以上的数据点以显示它们的数据提示。数据提示包括x设在和y所选点的-axis值，以及观测数。
绘制库克的距离值。
plotDiagnostics (mdl“cookd”）
虚线表示建议阈值。计算阈值t_cookd．
t_cookd = 3 *意味着(mdl.Diagnostics.CooksDistance,“omitnan”）
t_cookd = 0.0320
找出库克距离值超过阈值的观察值。
找到(mdl.Diagnostics。CooksDistance > t_cookd)
ans =6×126 35 80 90 92 97
两个观察值(26和35)在两种测量方法中都是异常值，但一些点(32、80、90、92和97)仅在一种测量方法中是异常值。
输入参数
plottype- - - - - -类型的情节
“杠杆”(默认)|“轮廓”|“cookd”|“covratio”|“dfbetas”|“dffits”|“s2_i”
plot的类型，指定为该表中的一个值。
| 价值 | 情节类型 | 图中的虚线参考线 | 目的 |
|---|---|---|---|
“轮廓” |
剩余vs. Cook距离重叠轮廓的杠杆 | 库克距离的轮廓 | 识别具有大剩余值、高杠杆和大库克距离值的观察结果。 |
“cookd” |
库克的距离 | 建议阈值，由3 *意味着(mdl.Diagnostics.CooksDistance) |
用较大的库克距离值识别观察结果。 |
“covratio” |
减去-1协方差行列式之比 | 建议阈值，由1±3 * p / n,在那里p为系数个数(mdl。NumCoefficients),n为观测次数(mdl。NumObservations） |
当delete-1统计值不在建议阈值范围内时，识别观察值。 |
“dfbetas” |
在系数估计中删除-1缩放差异 | 建议阈值，由3 /√(n) |
识别具有大删除-1统计值的观测值。 |
“dffits” |
删除-1比例差异的拟合值 | 建议阈值，由2 *倍根号(p / n)用绝对值表示 |
在绝对值中识别具有大删除-1统计值的观测值。 |
“杠杆” |
利用 | 建议阈值，由2 * p / n |
确定高杠杆观察。 |
“s2_i” |
Delete-1方差 | 均方误差(mdl。均方误差） |
将删除-1方差与均方误差进行比较。 |
对于所有情节类型，除了“轮廓”,x-axis是观察值的行号(大小写顺序)。
的诊断的属性mdl包含所使用的诊断值plotDiagnostics创建块。
有关观察诊断的详细信息，请参见库克的距离,Delete-1统计,利用．
名称-值对的观点
指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．
“颜色”、“蓝”、“标记”,“o”
请注意
这里列出的图形属性只是一个子集。有关完整列表，请参见行属性．指定的属性决定诊断数据点的外观。
“颜色”- - - - - -线颜色
RGB值|十六进制颜色代码|颜色名称|短名称
行颜色，指定为逗号分隔对，由“颜色”和RGB三元组、十六进制颜色代码、颜色名称或下表中列出的颜色选项的简短名称。
的“颜色”名称-值对参数还确定标记轮廓颜色和标记填充颜色“MarkerEdgeColor”是“汽车”(默认),“MarkerFaceColor”是“汽车”．
对于自定义颜色，指定RGB三元组或十六进制颜色代码。
RGB三元组是一个由三个元素组成的行向量，其元素指定颜色的红色、绿色和蓝色组件的强度。强度必须在这个范围内
[0, 1]；例如,(0.4 0.6 0.7)．十六进制颜色代码是以哈希符号开头的字符向量或字符串标量(
＃)，然后是3个或6个十六进制数字，其范围可以是0来F．这些值不区分大小写。因此，颜色是代码“# FF8800”,“# ff8800”,“# F80”,“# f80”是等价的。
或者，您可以通过名称指定一些常见的颜色。该表列出了已命名的颜色选项、等价的RGB三联体和十六进制颜色代码。
| 颜色名称 | 短名称 | RGB值 | 十六进制颜色代码 | 外观 |
|---|---|---|---|---|
“红色” |
“r” |
(1 0 0) |
“# FF0000” |
|
“绿色” |
‘g’ |
(0 1 0) |
“# 00 ff00” |
|
“蓝” |
“b” |
(0 0 1) |
“# 0000 ff” |
|
“青色” |
“c” |
(0 1 1) |
“# 00飞行符” |
|
“红色” |
“米” |
(1 0 1) |
“#就” |
|
“黄色” |
“y” |
(1 1 0) |
“# FFFF00” |
|
“黑” |
“k” |
(0 0 0) |
# 000000的 |
|
“白色” |
' w ' |
(1 1 1) |
“# FFFFFF” |
|
“没有” |
不适用 | 不适用 | 不适用 | 没有颜色 |
这里是RGB三联体和十六进制颜色代码的默认颜色MATLAB®用于许多类型的情节。
| RGB值 | 十六进制颜色代码 | 外观 |
|---|---|---|
[0 0.4470 - 0.7410) |
“# 0072 bd” |
|
(0.8500 0.3250 0.0980) |
“# D95319” |
|
(0.9290 0.6940 0.1250) |
“# EDB120” |
|
(0.4940 0.1840 0.5560) |
“# 7 e2f8e” |
|
(0.4660 0.6740 0.1880) |
“# 77 ac30” |
|
(0.3010 0.7450 0.9330) |
“# 4 dbeee” |
|
(0.6350 0.0780 0.1840) |
“# A2142F” |
|
例子:“颜色”、“蓝”
“线宽”- - - - - -线宽
积极的价值
行宽，指定为逗号分隔对，由“线宽”分数是正的。如果线有标记，那么线的宽度也会影响标记的边缘。
例子:“线宽”,0.75
“标记”- - - - - -标记符号
“o”|“+”|‘*’|“。”|“x”|……
标记符号，指定为逗号分隔对，由“标记”和这个表中的一个值。
| 价值 | 描述 |
|---|---|
“o” |
圆 |
“+” |
加号 |
‘*’ |
星号 |
“。” |
点 |
“x” |
交叉 |
“_” |
水平线 |
“|” |
垂直的线 |
“广场”或“年代” |
广场 |
“钻石”或' d ' |
钻石 |
“^” |
Upward-pointing三角形 |
“v” |
向下的三角形 |
“>” |
三点三角形 |
“<” |
只左向三角形 |
五角星形的或“p” |
五角星(五角星形) |
“卦”或“h” |
六芒星(六) |
“没有” |
没有标记 |
例子:“标记”,“+”
“MarkerEdgeColor”- - - - - -大纲标志颜色
“汽车”(默认)|“没有”|RGB值|十六进制颜色代码|颜色名称|短名称
标记轮廓颜色，指定为逗号分隔对组成“MarkerEdgeColor”和RGB三元组、十六进制颜色代码、颜色名称或其中一种颜色选项的简短名称颜色名称-值对的论点。
的默认值“汽车”使用由using指定的相同颜色“颜色”．
例子:“MarkerEdgeColor”、“蓝”
“MarkerFaceColor”- - - - - -标记填充颜色
“没有”(默认)|“汽车”|RGB值|十六进制颜色代码|颜色名称|短名称
标记填充颜色，指定为逗号分隔对组成“MarkerFaceColor”和RGB三元组、十六进制颜色代码、颜色名称或其中一种颜色选项的简短名称颜色名称-值对的论点。
的“汽车”值使用由using指定的相同颜色“颜色”．
例子:“MarkerFaceColor”、“蓝”
“MarkerSize”- - - - - -标志尺寸
6(默认)|积极的价值
标记大小，指定为逗号分隔对，由“MarkerSize”分数是正的。
例子:“MarkerSize”,2
输出参数
更多关于
提示
数据游标在数据提示(位于数据点旁边的小文本框)中显示所选绘图点的值。数据提示包括x设在和y所选点的-axis值，以及观测名称或数字。
使用
传奇(显示)来显示预填充的图例。
选择功能
一个
LinearModel对象提供多个绘图函数。在创建模型时，使用
plotAdded了解添加或删除预测变量的影响。当验证模型时，使用
plotDiagnostics找到有问题的数据，并理解每个观察的效果。此外,使用plotResiduals分析模型的残差。拟合模型后使用
plotAdjustedResponse,plotPartialDependence,plotEffects来了解一个特定预测器的影响。使用plotInteraction了解两个预测因子之间的相互作用。此外,使用plotSlice通过预测面绘制切片。
参考文献
Neter, J.， M. H. Kutner, C. J. Nachtsheim, W. Wasserman。应用线性统计模型,第四版。芝加哥:麦格劳-希尔·欧文，1996。
扩展功能
你也可以从以下列表中选择一个网站:
