test de normalité pour les résidusJe trace Y vs X (voir pièce jointe). La droite de régression semble plutôt bonne. R séquence > 0,99.
Cependant, lorsque je fais un tracé résiduel, j'obtiens un U inversé.
Certaines personnes disent qu'un tel tracé résiduel indique que la droite de régression n'est pas assez bonne.
Ma question est:
1. Existe-t-il un moyen d'améliorer le tracé des résidus et la régression de Leniar (peut-être en modifiant l'ordonnée à l'origine ?).
2. J'ai effectué un test de distribution normale pour les résidus . Ce test confirme que les résidus sont normalement distribués. Est-ce une preuve que la droite de régression Lenier est effectivement bonne ?
D'après ce qui est lu dans la littérature, il apparaît que si le test de normalité des résidus confirme par un IC à 95%, alors la droite de régression est bonne.
3. Quelqu'un pourrait-il donner un bref retour sur la façon d'interpréter le « tracé quantile normal résiduel » ?
Je serais obligé si quelqu'un pouvait fournir un retour aimable.
Salutations
Re : test de normalité pour les résidusJe suis d'accord avec Jim. L'analyse de régression montre clairement un manque d'adéquation avec le modèle de premier ordre. Le modèle du second ordre est statistiquement significatif. La réponse de la zone au changement de Conc n'est pas linéaire. La configuration des résidus du modèle du premier ordre suggère deux sections linéaires comme s'il y avait une cassure au lieu d'une courbe, bien que le modèle du second ordre semble bien en tenir compte.
Première réflexion : pourquoi cette relation est-elle censée être linéaire ? (Exigence du processus ou du système ? Prédiction théorique ?) Quelle est la tolérance pour la non-linéarité ?
Deuxième réflexion : les répétitions présentent une très faible variation de sorte que le test LOF est toujours significatif, même avec un modèle du quatrième ordre dans lequel les termes du 3ème et du 4ème ordre ne sont pas significatifs. S'agit-il de véritables répliques ? Autrement dit, avez-vous préparé trois échantillons à chaque fois ou avez-vous simplement mesuré le même échantillon trois fois ?
Troisième réflexion : comment les valeurs de surface et de concentration ont-elles été déterminées ou mesurées ?
Quatrième réflexion : cette étude m'apparaît comme une courbe d'étalonnage ou d'étalonnage. En tant que tel, vous pourriez trouver utile l’étude de linéarité dans le tableau de variabilité, ainsi que l’analyse du système de mesure. Voir Aide > Livres > Qualité et processus pour plus d'informations sur ces plateformes et leurs méthodes.
Re : test de normalité pour les résidusDe manière générale, plus votre régression est bonne, plus vos résidus seront petits, ils deviendront ainsi plus optimaux.Lorsque le modèle auquel vous avez affaire est une régression linéaire multiple, vous pouvez utiliser un processus par étapes pour trouver la meilleure régression pour le plus petit nombre de prédicteurs.Mais dans votre cas, vous ne pouvez traiter que des régressions polynomiales.Vous pouvez créer vos colonnes Y*Y et Y*Y*Y et même Y*Y*Y*Y, puis effectuer une régression pas à pas pour voir si vous avez un polynôme de niveau supérieur significatif, mais avec seulement un nombre fixe de niveaux X. , je ne pense pas que cela sera bénéfique.
Re : test de normalité pour les résidusExiste-t-il un moyen de modifier la ligne de regeression de manière à optimiser le tracé résiduel ?
Re : test de normalité pour les résidusCompte tenu des données dont vous disposez, cela suggère que le processus est curviligne et non linéaire.
Re : test de normalité pour les résidusCher ami Jim,
Merci pour votre aimable retour. Le fait est que je suis obligé de confirmer que le processus est linéaire. Maintenant, la question est la suivante : si j'utilise un polynôme pour ajuster une ligne, puis-je toujours appeler cela un processus linéaire ou n'est-ce pas alors un processus linéaire ?
Merci encore pour votre aimable aide.
Re : test de normalité pour les résidusVotre régression linéaire est significative et son R2 est excellent, mais un examen du nuage de points laisse entendre qu'il existe une courbure des données.Et lorsqu'une régression polynomiale a été exécutée, le R2 est plus fort et le RMSE est plus petit, ce qui signifie que le polynôme est un meilleur prédicteur qu'une régression linéaire.Je choisirais donc personnellement le polynôme.
Re : test de normalité pour les résidusCela signifie-t-il que la régression Lenier n'est pas valide ?
En fait, je suis censé faire preuve de clémence. Cela signifie-t-il donc que le processus n’est en réalité pas du tout plus clément ?
Existe-t-il un autre moyen de vérifier cela ?
Re : test de normalité pour les résidusLe tracé résiduel que vous montrez me suggère que vous devez effectuer une régression polynomiale.
