61030_de-DE

liliconcom

Normalitätstest für Residuen

Ich zeichne Y gegen X (siehe Anhang). Die Regressionsgerade scheint recht gut zu sein. R seq > 0,99.

Wenn ich jedoch ein Residuldiagramm erstelle, erhalte ich ein umgekehrtes U.

Einige Leute sagen, dass ein solches Restdiagramm darauf hindeutet, dass die Regressionslinie nicht gut genug ist.

 

Meine Frage ist:

 

1. Gibt es eine Möglichkeit, das Residuendiagramm und die Leniar-Regression zu verbessern (möglicherweise durch Ändern des Achsenabschnitts?).

 

2. Ich habe a durchgeführt Test der Normalverteilung für die Residuen . Dieser Test bestätigt, dass die Residuen normalverteilt sind. Ist dies ein Beweis dafür, dass die Lenier-Regressionslinie tatsächlich gut ist?

Aus der Literatur geht hervor, dass die Regressionslinie gut ist, wenn der Test der Normalität der Residuen ein 95 %-KI bestätigt.

 

3. Könnte jemand eine kurze Rückmeldung zur Interpretation des „Restnormalquantildiagramms“ geben?

 

 

Wäre dankbar, wenn jemand ein freundliches Feedback geben könnte.

Grüße

 

Betreff: Normalitätstest für Residuen

Ich stimme Jim zu. Die Regressionsanalyse zeigt deutlich die mangelnde Übereinstimmung mit dem Modell erster Ordnung. Das Modell zweiter Ordnung ist statistisch signifikant. Die Flächenreaktion auf eine Konz.-Änderung ist nicht linear. Das Muster in den Residuen des Modells erster Ordnung deutet auf zwei lineare Abschnitte hin, als gäbe es einen Bruch anstelle einer Kurve, obwohl das Modell zweiter Ordnung dies gut zu erklären scheint.

 

Erster Gedanke: Warum soll dieser Zusammenhang linear sein? (Prozess- oder Systemanforderung? Theoretische Vorhersage? Wie hoch ist die Toleranz für Nichtlinearität?

 

Zweiter Gedanke: Die Replikate weisen eine sehr geringe Variation auf, so dass der LOF-Test immer signifikant ist, selbst bei einem Modell vierter Ordnung, bei dem die Terme 3. und 4. Ordnung nicht signifikant sind. Handelt es sich um echte Nachbildungen? Das heißt, haben Sie jedes Mal drei Proben vorbereitet oder dieselbe Probe lediglich dreimal gemessen?

 

Dritter Gedanke: Wie wurden Flächen- und Konz.-Werte bestimmt oder gemessen?

 

Vierter Gedanke: Diese Studie scheint mir eine Kalibrierung oder Standardkurve zu sein. Daher könnte für Sie die Linearitätsstudie im Variabilitätsdiagramm ebenso nützlich sein wie die Messsystemanalyse. Weitere Informationen zu diesen Plattformen und ihren Methoden finden Sie unter Hilfe > Bücher > Qualität und Prozess.

Betreff: Normalitätstest für Residuen

Im Allgemeinen gilt: Je besser Ihre Regression, desto kleiner werden Ihre Residuen und desto optimaler werden sie.Wenn das Modell, mit dem Sie es zu tun haben, eine multiple lineare Regression ist, kann man einen schrittweisen Prozess verwenden, um die beste Regression für die kleinste Anzahl von Prädiktoren zu finden.Aber in Ihrem Fall können Sie nur mit polynomialen Regressionen umgehen.Sie könnten Ihre Y*Y- und Y*Y*Y-Spalten und sogar Y*Y*Y*Y erstellen und dann eine schrittweise Regression durchführen, um zu sehen, ob Sie ein signifikant höheres Polynom haben, jedoch mit nur einer festen Anzahl von X-Ebenen Ich glaube nicht, dass das von Vorteil sein wird.

Betreff: Normalitätstest für Residuen

Gibt es eine Möglichkeit, die Regressionslinie so zu ändern, dass das Residuendiagramm optimiert wird?

Betreff: Normalitätstest für Residuen

Angesichts der Ihnen vorliegenden Daten deutet dies darauf hin, dass der Prozess krummlinig und nicht linear verläuft.

Betreff: Normalitätstest für Residuen

Lieber Freund Jim,

Vielen Dank für Ihr freundliches Feedback. Tatsache ist, dass ich bestätigen muss, dass der Prozess linear ist. Die Frage ist nun: Wenn ich ein Polynom zur Anpassung einer Geraden verwende, kann ich das dann trotzdem als linearen Prozess bezeichnen, oder ist das dann kein linearer Prozess?

 

Nochmals vielen Dank für Ihre freundliche Hilfe.

Betreff: Normalitätstest für Residuen

Ihre lineare Regression ist signifikant und ihr R2 ist ausgezeichnet, aber eine Überprüfung des Streudiagramms deutet darauf hin, dass die Daten eine Krümmung aufweisen.Und wenn eine polynomiale Regression durchgeführt wurde, ist R2 stärker und der RMSE kleiner, was bedeutet, dass das Polynom ein besserer Prädiktor ist als eine lineare Regression.Ich persönlich würde mich also für das Polynom entscheiden.

Betreff: Normalitätstest für Residuen

Bedeutet dies, dass die Lenier-Regression nicht gültig ist?

Tatsächlich wird von mir Nachsicht erwartet. Bedeutet das also, dass der Prozess tatsächlich gar nicht so sparsam ist?

 

Gibt es eine andere Möglichkeit, dies zu überprüfen?

 

Betreff: Normalitätstest für Residuen

Das von Ihnen gezeigte Restdiagramm legt für mich nahe, dass Sie eine Polynomregression durchführen müssen.