为何library(car)在此处识别出有影响的观测值？求解答

嘿，这个问题真的很容易让人困惑——明明画出来的散点图里所有点都完美贴合一元线性回归线，怎么car包的influencePlot()就揪出了4个“有影响”的观测值呢？咱们来一步步拆解背后的逻辑：

先搞懂influencePlot的判断规则 #

influencePlot()标记“有影响观测值”的依据是三个核心指标：帽子值（杠杆）、学生化残差和Cook距离，默认会标记满足以下任一条件的点：

• 帽子值 > 2*p/n（其中p是模型参数总数，包括截距；n是样本量）
• 学生化残差的绝对值 > 2
• Cook距离 > 1

在你的案例里，模型是lm(y ~ x)，所以p=2（截距+ x的系数），n=100，帽子值的阈值就是2*2/100=0.04。

你的数据里的“高杠杆点” #

你的x是seq(1, 5, len=100)，也就是均匀分布在1到5之间的100个点。在简单线性回归中，帽子值衡量的是观测值在自变量空间中的“杠杆作用”——离自变量均值越远的点，杠杆越高，帽子值越大。

对于x的取值来说，最靠近1和5的几个点（比如第1、2、99、100个观测），它们离x的均值（3）最远，所以帽子值会显著高于中间的点，甚至超过0.04的阈值。你可以手动验证这一点：

model <- lm(y ~ x)
# 查看帽子值最高的前4个点
sort(hatvalues(model), decreasing = TRUE)[1:4]

你会发现这四个值都超过了0.04的阈值。

为什么散点图看起来没问题？ #

因为你的噪声设置得极小（rnorm(..., 0, 0.00005)），这些高杠杆点的残差几乎为0，完全贴合回归直线，所以散点图上看不到任何异常。但influencePlot()会把高杠杆点也标记为“有影响”——因为这些点在自变量空间的极端位置，哪怕现在残差很小，如果它们的y值发生一点变化，对回归系数的影响会比中间的点大得多。

总结 #

influencePlot()标记的“有影响观测值”，不仅仅是离群点，还包括高杠杆点。你的数据里没有离群点，但两端的x值属于极端位置，杠杆作用大，所以被识别为有影响的观测值——这是工具的正常逻辑，不是数据或代码的问题。

内容的提问来源于stack exchange，提问作者UweM.