Ricerca Sociale con R

Una wiki per l'analisi dei dati con R

Strumenti Utente

Strumenti Sito


r:modelli:regressione_lineare_bivariata

Differenze

Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.

Link a questa pagina di confronto

Entrambe le parti precedenti la revisioneRevisione precedente
r:modelli:regressione_lineare_bivariata [28/10/2025 10:42] – [I residui] Agnese Vardanegar:modelli:regressione_lineare_bivariata [28/10/2025 11:54] (versione attuale) – [I grafici] Agnese Vardanega
Linea 305: Linea 305:
   * **Q-Q plot**: mostra la normalità di una distribuzione (in questo caso, dei residui): anche qui si evidenziano degli outliers sui valori alti (vedi: [[r:grafici:qqplot|Grafici quantili-quantili]]).   * **Q-Q plot**: mostra la normalità di una distribuzione (in questo caso, dei residui): anche qui si evidenziano degli outliers sui valori alti (vedi: [[r:grafici:qqplot|Grafici quantili-quantili]]).
   * **Scale-Location**: mostra la distribuzione dei residui standardizzati in funzione dei valori previsti dal modello. Serve in particolare a verificare l’assunzione di omoschedasticità (varianza costante degli errori): se la linea rossa è approssimativamente orizzontale, suggerisce che la varianza dei residui è costante.   * **Scale-Location**: mostra la distribuzione dei residui standardizzati in funzione dei valori previsti dal modello. Serve in particolare a verificare l’assunzione di omoschedasticità (varianza costante degli errori): se la linea rossa è approssimativamente orizzontale, suggerisce che la varianza dei residui è costante.
-  * **Leverage**: Questo grafico aiuta a identificare le osservazioni che hanno un’influenza (//leverage//) maggiore sui risultati del modello, cioè punti che hanno un impatto sproporzionato sulla stima dei coefficienti del modello (ad esempio, ma non solo, gli //outlier//). In questo caso, la linea rossa può aiutare a vedere se i punti più influenti tendono ad avere residui più grandi o più piccoli, per identificarli.+  * **Leverage**: Questo grafico aiuta a identificare le osservazioni che hanno un’influenza (//leverage//) maggiore sui risultati del modello, cioè punti che hanno un impatto sproporzionato sulla stima dei coefficienti del modello (gli //outlier//). In questo caso, la linea rossa può aiutare a vedere se i punti più influenti tendono ad avere residui più grandi o più piccoli, per identificarli.
  
 Per produrre uno solo di questi grafici, ad esempio il Q-Q plot: Per produrre uno solo di questi grafici, ad esempio il Q-Q plot:

Domande? Scrivimi

Messenger Telegram Email
r/modelli/regressione_lineare_bivariata.txt · Ultima modifica: 28/10/2025 11:54 da Agnese Vardanega