如何在tidymodels生态中查找验证模型假设的等效工具包

你可以通过以下两种路径完成线性回归等模型的假设验证，无需脱离tidymodels生态适配传统工具：

路径1：直接兼容原有performance包 #

tidymodels提供了通用接口extract_fit_engine()，可以从任意parsnip模型对象中提取底层的原生模型对象（比如线性回归对应原生lm对象），直接传入performance包的函数即可使用原有操作逻辑，示例代码如下：

# 提取parsnip模型的底层原生lm对象，直接传入performance函数
lm_fit_parsnip %>% 
  extract_fit_engine() %>% 
  check_heteroscedasticity()

路径2：使用tidymodels生态原生工具完成验证 #

你可以组合broom、yardstick、probably三个生态内核心包，完成全部四项假设验证：

• 残差正态性：先用broom::augment()从模型中提取残差序列，可通过绘制Q-Q图、直方图直观判断，也可调用shapiro.test()完成正态性假设检验
• 残差独立性：通过yardstick::dw_test()计算Durbin-Watson统计量，判断残差是否存在序列相关，也可绘制残差随观测顺序的散点图做直观判断
• 残差同质性：绘制残差与拟合值的散点图，观察残差分布是否均匀无明显趋势，也可结合broom提取的统计量完成Breusch-Pagan异方差检验
• 变量无多重共线性：调用兼容tidymodels生态的vip::vif()函数计算方差膨胀因子，通常VIF>5即可认为存在显著多重共线性

如果需要一键生成诊断可视化结果，可使用生态兼容的ggResidpanel包，调用resid_panel()函数直接传入parsnip模型对象，即可生成4张常用残差诊断图，功能与performance包的可视化能力等效。

内容的提问来源于stack exchange，提问作者Polo