知识卡片
正态误差假设换来什么
假设的内容 用 OLS 求系数本身不需要对误差作任何假设;但要让系数能做推断,通常再加一条:误差相互独立、均值为零、方差恒为 σ²、且服从正态分布。 这条假设换来什么 在这些条件下,给定一组输入,结果 y 服从以回归线为均值、方差相同的正态分布。于是可以: - 用 t 分布检验单个系数是否为零,并给出系数的置信区间; - 用 F 统计量检验所有斜率同时为零这一整体假设; - 对给定输入给出期望结果的置信区间与单次观测的预测区间。 为什么必须检查 显著性、区间、变量取舍的结论全建立在这条假设上。若残差弯曲、方差随拟合值增大或明显偏离正态,p 值与区间都不可信,应先变换变量或补充项,而不是直接解读显著性。 一个常见误解 被假设为正态的是给定输入下的误差,不是结果变量本身;收入这类右偏变量并不必然违反假设。
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6章 高级分析理论与方法:回归 · 查看原书依据
在之前的模型描述中,是没有关于误差项的假设的; OLS不需要额外的假设来估算模型参数。然而,在大多数的线性回归分析中,普遍假设误差项是均值为零且方差恒定的正态分布的随机变量。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第6章 高级分析理论与方法:回归(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0016_split_001.html)
- 结论依据:6.1.2 节指出 OLS 估计参数无需额外假设,但多数分析普遍假设误差为零均值、等方差的正态随机变量,并说明该假设用于假设检验与区间估计。
- 原始内容:在之前的模型描述中,是没有关于误差项的假设的; OLS不需要额外的假设来估算模型参数。然而,在大多数的线性回归分析中,普遍假设误差项是均值为零且方差恒定的正态分布的随机变量。