残差の正規性検定 Y対Xをプロットしています（添付ファイルを参照）。回帰直線はかなり良いように見えます。Ｒ ｓｅｑ＞ ０．９９。
しかし、私が残余プロットを作るとき、私は逆Uを得ます。
そのような残差プロットは回帰直線が十分ではないことを示していると言う人もいます。
私の質問は：
1。残差プロットとLeniar回帰を改善する方法はありますか（切片を変更することによって）。
2。私は行った残差の正規分布の検定 。この検定は、残差が正規分布していることを確認します。これは、いくらかの方法で、緩やかな回帰直線が確かに良いことを証明しているのでしょうか。
文献の読みから、残差の正規性検定で95％CIまで確認できれば、回帰直線は良好であると思われます。
3。「残余正規分位数プロット」の解釈方法について短いフィードバックをお寄せください。
誰かが優しいフィードバックを提供することができれば義務付けられるでしょう。
よろしく
残差の正規性検定私はジムに同意する。回帰分析は、一次モデルとの適合性の欠如を明らかに示しています。二次モデルは統計的に有意です。Concの変化に対する面積応答は線形ではありません。一次モデルからの残差のパターンは、曲線の代わりに切れ目があるかのように2つの線形セクションを示唆しますが、二次モデルはそれをうまく説明しているように見えます。
最初の考え：なぜこの関係は線形であるべきなのでしょうか？（プロセスまたはシステム要件？理論的予測？）非線形性の許容範囲は？
2番目の考え：3次と4次の項が有意ではない4次モデルでも、反復は非常に小さい変動を示すため、LOF検定は常に有意です。彼らは本当の複製ですか？つまり、毎回3つのサンプルを準備するのですか、それとも単に同じサンプルを3回測定するのですか。
第3の考え：AreaとConcの値はどのように決定または測定されましたか？
第四の思考：この研究は私には較正または標準曲線のように思われる。そのため、変動性チャートの線形性の研究は、測定システムの分析と同様に便利です。これらのプラットフォームとその方法の詳細については、ヘルプ>書籍>品質とプロセスを参照してください。
残差の正規性検定一般的に言えば、回帰が良くなればなるほど、残差は小さくなり、最適になります。 あなたが扱っているモデルが重線形回帰であるとき、人は最小数の予測子のための最良の回帰を見つけるために段階的プロセスを使うことができます。 しかしあなたの場合あなたは多項式回帰を扱うことができるだけです。 Y * Y列とY * Y * Y列、さらにはY * Y * Y * Y列を作成してから、段階的回帰を実行して、有意な高次多項式があるかどうかを確認できます。、それが有益になるとは思わない。
残差の正規性検定残差プロットが最適化されるように回帰直線を変更する方法はありますか？
残差の正規性検定あなたが持っているデータを考えると、それはプロセスが線形ではなく曲線であることを示唆しています。
残差の正規性検定親愛なる友人ジム、
ご意見をいただきありがとうございます。実のところ、私はそのプロセスが線形であることを確認しなければなりません。問題は、線に合わせるために多項式を使用する場合でも、これを線形プロセスと呼ぶことができるのか、それとも線形プロセスではないのかです。
ご協力ありがとうございました。
残差の正規性検定あなたの線形回帰は重要です、そして、それはR2が優れています、しかし、散布図のレビューはデータに湾曲があることを暗示します。 そして、多項式回帰が実行されたとき、R2はより強く、RMSEはより小さく、多項式を含むことは線形回帰のより良い予測因子です。 だから私は個人的に多項式に行きます。
残差の正規性検定これは、緩やかな回帰が無効であることを意味しますか？
実際、私は忠誠心を示すことが期待されています。それで、それはプロセスが実際にはまったく寛容ではないということを意味するのでしょうか？
これを確認する別の方法はありますか？
残差の正規性検定あなたが示している残差プロットは、多項式回帰をする必要があることを私に示唆しています。
