如何在R中找到线性回归模型的残差？

残差方差是通过找到回归线与实际点之间的距离而计算出的值的方差，该距离实际上称为残差。假设我们有一个名为Model的线性回归模型，然后发现残差方可按（summary(Model)$sigma）** 2进行。

示例

x1<-rnorm(500,5,1)
y1<-rnorm(500,5,2)
Model1<-lm(y1~x1)
summary(Model1)

呼叫

lm（公式= y1〜x1）

残差

Min 1Q Median 3Q Max
-5.6621 -1.2257 -0.0272 1.4151 6.6421

系数

Estimate Std. Error t value Pr(>|t|) (Intercept) 5.12511 0.46364 11.054 <2e-16 *** x1 -0.01077 0.09120 -0.118 0.906 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

残留标准误差-498自由度上的1.966

多个R平方-2.798e-05，调整后R平方：-0.00198

F统计量-1和498 DF上的0.01393，p值：0.9061

找到模型的剩余方差-

（summary(Model1)$sigma）** 2 [1] 3.863416

示例

x2<-rpois(5000,5)
y2<-rpois(5000,2)
Model2<-lm(y2~x2)
summary(Model2)

呼叫

lm（公式= y2〜x2）

残差

  Min 1Q Median 3Q Max
-2.0474 -0.9898 0.0030 1.0102 6.0318

系数

Estimate Std. Error t value Pr(>|t|) (Intercept) 1.953861 0.049840 39.203 <2e-16 *** x2 0.007192 0.009125 0.788 0.431 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

残留标准误差-4998自由度上的1.423

多个R平方-0.0001243，已调整R平方：-7.578e-05

F统计量-1和4998 DF上的0.6212，p值：0.4306

（summary(Model2)$sigma）** 2 [1] 2.024254

示例

x3<-runif(5000,2,5)
y3<-runif(5000,2,10)
Model3<-lm(y3~x3)
summary(Model3)

呼叫

lm（公式= y3〜x3）

残差

   Min 1Q    Median 3Q   Max
-3.9879 -2.0642 0.0001 2.0438 4.0109

系数

Estimate Std. Error t value Pr(>|t|) (Intercept) 6.004373 0.136367 44.031 <2e-16 *** x3 -0.004376 0.037914 -0.115 0.908 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

残留标准误差-4998自由度上的2.334

多个R平方-2.666e-06，已调整R平方：-0.0001974

F统计量-1和4998 DF上的0.01332，p值：0.9081

（summary(Model3)$sigma）** 2 [1] 5.445925

示例

x4<-rexp(100000,5.5)
y4<-rexp(100000,7.5)
Model4<-lm(y4~x4)
summary(Model4)

呼叫

lm（公式= y4〜x4）

残差

  Min 1Q Median 3Q Max
-0.13359 -0.09515 -0.04089 0.05144 1.39856

系数

Estimate Std. Error t value Pr(>|t|) (Intercept) 0.1335960 0.0005972 223.697 <2e-16 *** x4 -0.0010954 0.0023153 -0.473 0.636 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

残留标准误差-99998自由度上的0.1335

多个R平方-2.239e-06，已调整R平方：-7.762e-06

F统计量-1和99998 DF上的0.2239，p值：0.6361

（summary(Model4)$sigma）** 2 [1] 0.01781908

示例

x5<-sample(0:9,25000,replace=TRUE)
y5<-sample(91:99,25000,replace=TRUE) Model5<-lm(y5~x5)
summary(Model5)

呼叫

lm（公式= y5〜x5）

残差

  Min 1Q Median 3Q Max
-3.9949 -1.9937 0.0075 2.0093 4.0105

系数

Estimate Std. Error t value Pr(>|t|) (Intercept) 94.989520 0.030168 3148.693 <2e-16 *** x5 0.000595 0.005641 0.105 0.916 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

残留标准误差-24998自由度上的2.57

多个R平方-4.45e-07，调整后R平方：-3.956e-05

F统计量-1和24998 DF上的0.01112，p值-0.916

（summary(Model5)$sigma）** 2 

[1] 6.604745