回归分析图形

回归分析分为简单回归与复杂回归
1 ： 简单线性回归即：模型中只包含一个因变量和一个自变量，有时候也会包含多项式，

这个图形描述了身高与体重的线性关系，这也是一个多项式图形
2：当我们的预测变量（自变量）不止一个时，就属于多元线性回归，而且多元线性回归中也可以包含多项式以及交互项
（1）在进行多远回归分析之前可以先描述变量之间的相关关系

上图为一个散点图矩阵，描述了五个变量之间的相关关系，我们可以通过非主对角线的散点图来查看两个变量之间的关系。
多元线性回归简单地就是OLS回归，通过lm和summary进行拟合并且查看结果。
3：回归诊断
对于回归分析来说，建立好模型之后我们还要考虑该模型是否合适的问题，在我们的模型分析中前提假设是：正态、独立、线性、同方差。
（1）正态性 qqplot和学生化残差图


第一幅图中除了异常值外，其他的点都落在了置信区间内，这表明正态性假设符合的好。
（2）误差的独立性
（3）线性
使用成分残差图也称偏残差图

（4）同方差性

5：异常值


第二幅图将利群点、高杠杆值、强影响点汇集在一起。如果纵坐标超过正负2就被认为是离群点，水平轴超过0.2或0.3被认为是具有高杠杆值，圆圈的大小则与影响成比例。