Хотя в большинстве случаев достаточно программно проверить предположения вашей модели, иногда полезно их визуализировать. Вот несколько быстрых способов сделать это.
Линейность
Линейность, вероятно, является самым простым предположением для визуализации, поскольку вы можете просто использовать следующий фрагмент кода, чтобы быстро создать диаграмму рассеяния.
Кроме того, вы можете изменить внешний вид своих точек, используя параметры «pch», «cex» и «col». PCH расшифровывается как Plot Character и настраивает символ, используемый для ваших очков. Доступные формы точек перечислены на изображении ниже.
Опция «cex» позволяет настроить размер символа. Значение по умолчанию — 1. Если бы вы изменили значение, например, на 0,75, символ графика был бы уменьшен на 3/4 размера по умолчанию. Параметр «col» позволяет настроить цвет символов графика.
Вы можете настроить оси с помощью параметров «xlab», «ylab», «xaxt» и «yaxt» (среди других доступных параметров). В следующем примере мы полностью удалим оси.
Наконец, вы можете добавить линию тренда, создав модель и добавив соответствующие значения на график. Мы также настроим ширину и цвет линии с помощью параметров «lwd» и «col» соответственно.
Кроме того, вы можете обогатить свои данные ограничениями, используя функцию прогнозирования, как показано ниже.
Мультиколлинеарность
Первый способ визуализировать мультиколлинеарность — использовать матрицу графика с помощью функции «пары». Вы можете проверить это на наборе данных «mtcars» следующим образом:
Второй способ, которым вы можете визуализировать это, — это график корреляции. Сначала установите библиотеку «corrplot», затем используйте функцию «corrplot».
Автокорреляция
Чтобы визуализировать автокорреляцию, вы можете создать график автокорреляции с помощью функции acf в библиотеке статистики.
Вот пример графика с данными, которые содержат автокорреляцию:
