注:熱力圖和共線性診斷圖易看易解釋,這裡不再闡述
殘差四圖(Residuals vs Fitted Plot,Normal Q-Q Plot,Scale-Location Plot,Cook's Distance Plot)
各種現象的相關解釋如下:
-
Residuals vs Fitted Plot(殘差與擬合值散點圖):
這個圖用於幫助檢驗迴歸模型的線性關係假設。在這個圖中,我們會將模型的殘差(觀測值與預測值之間的差異)與模型的擬合值(預測值)進行比較,理想情況下,殘差應該隨著擬合值的增加而隨機分佈在0附近,沒有明顯的模式或趨勢。如果殘差呈現出某種趨勢,可能意味著模型的線性關係假設不成立。 -
Normal Q-Q Plot(正態機率圖):
這個圖用於檢驗模型殘差是否符合正態分佈。在這個圖中,殘差的排序值會和一個理論的正態分佈進行比較,理想情況下,殘差點應該落在一條直線上,如果殘差點偏離直線,可能表示殘差不符合正態分佈。 -
Scale-Location Plot(標準化殘差與擬合值的散點圖):
這個圖也稱為“Spread-Location”圖,用於檢驗模型的同方差性假設。在這個圖中,我們會將標準化殘差的絕對值開方(以消除負值)與擬合值進行比較,理想情況下,點應該在一條水平線上分佈,如果點呈現出聚集或特定的模式,可能意味著同方差性不成立。 -
Cook’s Distance Plot(庫克距離圖):
這個圖用於識別在迴歸模型中對結果產生顯著影響的個別觀測值。Cook’s Distance是一種衡量資料點影響的統計量,這個圖可以顯示每個資料點的Cook’s Distance值,通常我們會關注那些Cook’s Distance遠高於平均水平的資料點,它們可能是影響模型準確性的異常值或離群點。
綜合使用這四種圖可以幫助分析師評估線性迴歸模型的準確性、假設是否成立以及是否存在異常值,從而提高建模的質量和可靠性。
1>封裝好的程式碼如下:
import matplotlib.pyplot as plt import seaborn as sns import statsmodels.formula.api as smf import pandas as pd from statsmodels.formula.api import ols plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False def Corr_heatmap(data): # import matplotlib.pyplot as plt # import seaborn as sns #相關性分析 print(data.corr()) #畫出熱力圖 plt.figure(figsize=(7,5),dpi=128) sns.heatmap(data.corr().round(2), cmap='coolwarm', annot=True, annot_kws={"size": 10}) plt.savefig('相關係數熱力圖.jpg') plt.show() def VIF_calculate(data, y_name): # import statsmodels.formula.api as smf # import pandas as pd x_cols = data.columns.to_list() x_cols.remove(y_name) def vif(df_exog, exog_name): exog_use = list(df_exog.columns) exog_use.remove(exog_name) model = smf.ols(f"{exog_name}~{'+'.join(list(exog_use))}", data=df_exog).fit() return 1. / (1. - model.rsquared) df_vif = pd.DataFrame() for x in x_cols: df_vif.loc['VIF', x] = vif(data[x_cols], x) df_vif.loc['tolerance'] = 1 / df_vif.loc['VIF'] df_vif = df_vif.T.sort_values('VIF', ascending=False) df_vif.loc['mean_vif'] = df_vif.mean() # from statsmodels.formula.api import ols def vif(data, col_i): """ df: 整份資料 col_i:被檢測的列名 """ cols = list(data.columns) cols.remove(col_i) cols_noti = cols formula = col_i + '~' + '+'.join(cols_noti) r2 = ols(formula, data).fit().rsquared # 其實就是多元線性迴歸建模步驟,只是取出了引數 R 平方而已 test = 1. / (1. - r2) return test print('vif檢驗結果') print(' 變數 vif檢驗值') vif_value = [] for i in data: print(i.center(7) + ' ', str(vif(data=data, col_i=i))) vif_value.append(vif(data=data, col_i=i)) plt.bar([x for x in data], vif_value, color='teal') plt.axhline(10, color='red', lw=2, label="參考線") plt.title("VIF檢驗結果") plt.xlabel("變數") plt.ylabel("VIF_value") plt.show() return print(df_vif) def Residuals_plot(predicts,residuals): import numpy as np import matplotlib.pyplot as plt import statsmodels.api as sm plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.subplots(2, 2, figsize=(8, 8), dpi=128) plt.subplot(221) plt.scatter(predicts, residuals) plt.xlabel('Fitted Value') plt.ylabel('Residual') plt.title('(a)Residuals vs Fitted Plot', fontsize=15) plt.axhline(0, ls='--') ax2 = plt.subplot(222) pplot = sm.ProbPlot(residuals, fit=True) pplot.qqplot(line='r', ax=ax2, xlabel='Theoretical Quantiles', ylabel='Sample Quantiles') ax2.set_title('(b)Normal Q-Q Plot', fontsize=15) #建立一個序列來表示觀測序號: obs = np.arange(1, len(residuals) + 1) #繪製scale-location圖 ax3 = plt.subplot(223) ax3.scatter(np.sqrt(obs), np.abs(residuals)) ax3.set_xlabel("√Observation Number") ax3.set_ylabel("|Residuals|") ax3.set_title("(c)Scale-Location Plot") #計算庫克距離並繪製庫克距離圖: model = sm.OLS(residuals, sm.add_constant(obs)).fit() # 應用OLS迴歸模型 influence = model.get_influence() cooks_dist = influence.cooks_distance[0] ax4=plt.subplot(224) ax4.scatter(obs, cooks_dist) ax4.axhline(y=4*cooks_dist.mean(), linestyle='dashed') ax4.set_xlabel("Observation") ax4.set_ylabel("Cook's Distance") ax4.set_title("(d)Cook's Distance Plot") plt.tight_layout() plt.show()
2>對上述程式碼進行簡單呼叫:
import Multivariable_statistics as Ms import numpy as np import pandas as pd p=np.linspace(20,60,100) #預測值 r=np.random.uniform(-1,1,100) #殘差值 print(r) Ms.Residuals_plot(residuals=r,predicts=p) #殘差四圖 #對於其他兩個圖的使用教程,以p,r資料為例 #得到一組100*2的資料 df=pd.DataFrame(p,columns=['p']) df['r']=r df['y']=np.linspace(50,80,100) #預測值 print(df) Ms.Corr_heatmap(df) #皮爾遜相關係數的熱力圖 Ms.VIF_calculate(df,'y') #VIF檢驗值以及圖
3>結果圖如下: