J'ai une ligne de meilleur ajustement. J'ai besoin de points de données qui ne changeront pas ma ligne de meilleur ajustement

Je fais une présentation sur l'ajustement des lignes. J'ai une fonction linéaire simple, . J'essaie d'obtenir des points de données dispersées que je peux mettre dans un nuage de points qui maintiendra ma ligne de meilleur ajustement dans la même équation.$y=1x+b$

Je serais ravi d'apprendre cette technique dans R ou Excel - selon ce qui est plus facile.

Choisissez n'importe quel $(x_i)$ condition qu'au moins deux d'entre eux diffèrent. Définir une ordonnée à l'origine $\beta_0$ et une pente $\beta_1$ et définir

Cet ajustement est parfait. Sans modifier l'ajustement, vous pouvez modifier $y_0$ en $y = y_0 + \varepsilon$ en y ajoutant tout vecteur d'erreur $\varepsilon=(\varepsilon_i)$ à condition qu'il soit orthogonal à la fois au vecteur $x = (x_i)$ et au vecteur constant $(1,1,\ldots, 1)$ . Un moyen facile d'obtenir une telle erreur est de choisir n'importe quel vecteur $e$ et de laisser $\varepsilon$ les résidus lors de la régression de $e$contre $x$ . Dans le code ci-dessous, $e$ est généré comme un ensemble de valeurs normales aléatoires indépendantes avec une moyenne de $0$ et un écart-type commun.

De plus, vous pouvez même présélectionner la quantité de dispersion, peut - être en précisant ce que $R^2$ devrait être. En laissant $\tau^2 = \text{var}(y_i) = \beta_1^2 \text{var}(x_i)$ , redimensionnez ces résidus pour avoir une variance de

Cette méthode est entièrement générale: tous les exemples possibles (pour un ensemble donné de $x_i$ ) peuvent être créés de cette façon.

Exemples

Quatuor d'Anscombe

Nous pouvons facilement reproduire le Quatuor d' Anscombe de quatre ensembles de données bivariés qualitativement distincts ayant les mêmes statistiques descriptives (par le second ordre).

Le code est remarquablement simple et flexible.

set.seed(17)
rho <- 0.816                                             # Common correlation coefficient
x.0 <- 4:14
peak <- 10
n <- length(x.0)

# -- Describe a collection of datasets.
x <- list(x.0, x.0, x.0, c(rep(8, n-1), 19))             # x-values
e <- list(rnorm(n), -(x.0-peak)^2, 1:n==peak, rnorm(n))  # residual patterns
f <- function(x) 3 + x/2                                 # Common regression line

par(mfrow=c(2,2))
xlim <- range(as.vector(x))
ylim <- f(xlim + c(-2,2))
s <- sapply(1:4, function(i) {
  # -- Create data.
  y <- f(x[[i]])                                         # Model values
  sigma <- sqrt(var(y) * (1 / rho^2 - 1))                # Conditional S.D.
  y <- y + sigma * scale(residuals(lm(e[[i]] ~ x[[i]]))) # Observed values

  # -- Plot them and their OLS fit.
  plot(x[[i]], y, xlim=xlim, ylim=ylim, pch=16, col="Orange", xlab="x")
  abline(lm(y ~ x[[i]]), col="Blue")

  # -- Return some regression statistics.
  c(mean(x[[i]]), var(x[[i]]), mean(y), var(y), cor(x[[i]], y), coef(lm(y ~ x[[i]])))
})
# -- Tabulate the regression statistics from all the datasets.
rownames(s) <- c("Mean x", "Var x", "Mean y", "Var y", "Cor(x,y)", "Intercept", "Slope")
t(s)

La sortie donne les statistiques descriptives du second ordre pour les données $(x,y)$ pour chaque ensemble de données. Les quatre lignes sont identiques. Vous pouvez facilement créer plus d'exemples en modifiant x(les coordonnées x) et e(les modèles d'erreur) au début.

Des simulations

R$y$$\beta=(\beta_0,\beta_1)$$R^2$$0 \le R^2 \le 1$$x$

simulate <- function(x, beta, r.2) {
  sigma <- sqrt(var(x) * beta[2]^2 * (1/r.2 - 1))
  e <- residuals(lm(rnorm(length(x)) ~ x))
  return (y.0 <- beta[1] + beta[2]*x + sigma * scale(e))
}

(Il ne serait pas difficile de porter cela sur Excel - mais c'est un peu douloureux.)

$(x,y)$$60$ $x$$\beta=(1,-1/2)$$1$$-1/2$$R^2 = 0.5$

n <- 60
beta <- c(1,-1/2)
r.2 <- 0.5   # Between 0 and 1

set.seed(17)
x <- rnorm(n)

par(mfrow=c(1,4))
invisible(replicate(4, {
  y <- simulate(x, beta, r.2)
  fit <- lm(y ~ x)
  plot(x, y)
  abline(fit, lwd=2, col="Red")
}))

summary(fit)$R^2$$x_i$