cooks.distance 返回的值多于我的数据集中的值

Question

我了解如何通过在数据集中获取更少的值。但这是一个可重复的示例，其中 cooks.distance 返回更多。除非我的 R 版本完全损坏，否则我完全不知道这是怎么可能的。

考虑

library (MASS)
lm.Boston<-lm(medv~crim+indus+age+tax,data=Boston)
cooks.distance(lm.Boston)
nrow(Boston) ## cooks.distance returns 506 values as expected which matches the obs in the dataset.
newBoston<-Boston[Boston$age>50,] ## Now arbitrarily remove some rows.  The number of records is now 359
lm.newBoston<-lm(medv~crim+indus+age+tax,data=newBoston)
cooks.distance(lm.newBoston) ## cooks.distance still returns 506 values.  It seems to be "Stuck" on the previous dataset

有人知道我做错了什么吗？

Answer 1

为方便起见，设

CD <- cooks.distance(lm.Boston)
CDnew <- cooks.distance(lm.newBoston)

不要被向量的 "names" 字段所迷惑。改为检查 length(CD) 和 length(CDnew)。

您可以通过names(CD)和names(CDnew)提取"names"属性。它们分别与row.names(Boston)和row.names(newBoston)一致。

不只是 cooks.distance 有这种行为； predict、residuals、rstandard、fitted 和 fitted.values 等其他通用函数是相同的。

Answer 2

代码似乎 return 等于下面的数字：

library (MASS)

# Case - 1
lm.Boston<-lm(medv~crim+indus+age+tax,data=Boston)
nrow(Boston)
length(cooks.distance(lm.Boston))

# Case - 2
newBoston<-Boston[Boston$age>50,] 
lm.newBoston<-lm(medv~crim+indus+age+tax,data=newBoston)
nrow(newBoston)
length(cooks.distance(lm.newBoston))

cooks.distance 返回的值多于我的数据集中的值

cooks.distance returning more values than there are in my dataset

regression

r

data-mining

linear-regression

lm