知识卡片
残差图诊断模型假定
真实误差 ε 不可观测,但模型正确时残差 e 可近似代替它,于是以残差为纵轴、拟合值或自变量为横轴画散点图,就能检查假定。点大致在 e=0 上下随机散布、幅度无趋势,说明线性形式与方差齐性都成立;残差呈弯曲趋势,说明应加入高次项或交互项,或先对 y、x 作变换;残差呈喇叭形(随 x 增大而扩散或收窄),说明方差不齐,需要加权最小二乘或变量变换。正态性可用标准化残差做正态检验(上机用的夏皮洛-威尔克检验)。残差分析因此是回归诊断的主要工具,判断的是“假定是否可信”,而不是“拟合值好不好”。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 线性回归方法 · 查看原书依据
因而我们可以利用残差的特点来考察模型的可靠性。 做残差分析时我们经常借助于残差图,它是以残差ei为纵坐标,以其他指定的量为横坐标绘制的散点图。
参考来源
- 位置:《大数据挖掘与统计机器学习》第2章 线性回归方法(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter4_0001.xhtml,2.1.2 多元线性回归的相关诊断)
- 结论依据:原文说明残差可近似反映误差特性,并给出以残差图诊断线性、方差齐性与正态性的做法。
- 原始内容:因而我们可以利用残差的特点来考察模型的可靠性。 做残差分析时我们经常借助于残差图,它是以残差ei为纵坐标,以其他指定的量为横坐标绘制的散点图。