关于r：使用多个模型时从线性回归中去除异常值

Removing outliers from linear regression when using multiple models

我想重新运行我的多元线性回归分析，删除有影响的观察值/异常值以确定它们的影响。我的数据包含 30 个变量(5 个预测变量，25 个结果)的大约 1000 个观察值。

1	df <- data.frame(replicate(30, sample(0:1000, 1000, rep = TRUE)))

我对 25 个结果变量中的每一个执行多元线性回归：

1
2
3
4
5
6
7
8

library(tidyverse)

reg <- df %>%
gather(outcome_name, outcome_value, -(X1 : X5)) %>%
group_by(outcome_name) %>%
nest() %>%
mutate(model = map(data, ~lm(outcome_value ~ X1 + X2 + X3 + X4 + X5, data
=.)))

然后我可以随后提取感兴趣的统计数据：

1
2
3
4

stats <- reg %>%
mutate(glance = map(model, broom::glance),
tidy = map(model, broom::tidy, conf.int = TRUE)
)

我想重新运行上述内容，但删除了异常值，例如，通过高于均值 > 2 个标准差或通过库克距离之类的值来识别它们。但是，我不知道如何在我的代码中排除异常值，以便每个回归模型都能适当地迭代。

在执行回归之前，我已尝试过滤每个结果变量高于平均值 2 SD 的观察结果，但随后我丢失了所有 25 个结果回归模型的观察结果，而不是单个结果模型，该观察结果是异常值.任何建议表示赞赏。

使用 broom::augment 将相关度量添加到每个数据集，并保持 map-ping 离开。

例如：

1
2
3
4
5
6
7
8
9
10
11
12
13

library(tidyverse)
library(broom)
set.seed(1)
df <- data.frame(replicate(30, sample(0:1000, 1000, rep = TRUE)))

reg <- df %>%
gather(outcome_name, outcome_value, -(X1 : X5)) %>%
group_by(outcome_name) %>%
nest() %>%
mutate(model = map(data, ~lm(outcome_value ~ X1 + X2 + X3 + X4 + X5, data = .)),
data2 = map(model, augment),
data3 = map(data2, filter, abs(.std.resid) < 2),
model2 = map(data3, ~lm(outcome_value ~ X1 + X2 + X3 + X4 + X5, data = .)))

统计学家的免责声明：我已经解决了您提出的编程问题。这不应被视为对自动检查或处理所谓的"异常值"的想法的认可。