cooks.distance 返回的值比我的数据集中的值多答案

【问题标题】：cooks.distance returning more values than there are in my datasetcooks.distance 返回的值比我的数据集中的值多
【发布时间】：2018-07-16 18:23:59
【问题描述】：

我了解如何通过在数据集中获得更少的值。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怎么可能。

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

有人知道我在这里做错了什么吗？

【问题讨论】：

标签： r regression linear-regression data-mining lm

【解决方案1】：

为方便起见，设置

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

不要被向量的“名称”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“名称”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；其他通用函数如predict、residuals、rstandard、fitted 和fitted.values 是相同的。

【讨论】：

哇——太尴尬了。唯一更令人尴尬的是，我会花费 DAYS 时间试图调和这一点。感谢闪电般的快速结果。你摇滚！

【解决方案2】：

下面的代码似乎返回相等的数字：

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))

【讨论】：