残差正态性检验我正在绘制 Y 与 X 的关系图（见附件）。 回归线看起来相当不错。 R 序列 > 0.99。
然而，当我制作残差图时，我得到一个倒U。
有人说这样的残差表明回归线不够好。
我的问题是：
1. 是否有某种方法可以改善残差图和 Leniar 回归（可能通过改变截距？）。
2.我执行了残差正态分布检验。 该检验证实残差呈正态分布。 这是证明 lenier 回归线确实良好的证据吗？
从文献中可以看出，如果残差正态性检验证实了 95% CI，那么回归线就是好的。
3. 有人可以提供有关如何解释“残差正态分位数图”的简短反馈吗？
如果有人可以提供善意的反馈，我将不胜感激。
问候
回复：残差的正态性检验我同意吉姆的观点。 回归分析清楚地表明与一阶模型不相符。 二阶模型具有统计显着性。 面积对浓度变化的响应不是线性的。 一阶模型的残差模式表明存在两个线性部分，就好像存在断点而不是曲线，尽管二阶模型似乎很好地解释了这一点。
第一个想法：为什么这种关系应该是线性的？ （流程或系统要求？ 理论预测？）非线性的容忍度是多少？
第二个想法：重复数据表现出非常小的变化，因此 LOF 检验始终显着，即使对于其中三阶和四阶项不显着的四阶模型也是如此。 它们是真正的复制品吗？ 也就是说，您每次准备三个样品还是仅测量同一个样品三次？
第三个想法：面积和浓度值是如何确定或测量的？
第四个想法：在我看来，这项研究是校准或标准曲线。 因此，您可能会发现变异图表中的线性研究以及测量系统分析很有用。 有关这些平台及其方法的更多信息，请参阅“帮助”>“书籍”>“质量和流程”。
回复：残差的正态性检验一般来说，回归越好，残差就越小，因此它们将变得更加最优。当您处理的模型是多元线性回归时，可以使用逐步过程来找到最少数量的预测变量的最佳回归。但就你而言，你只能处理多项式回归。您可以创建 Y*Y 和 Y*Y*Y 列，甚至 Y*Y*Y*Y，然后进行逐步回归以查看是否有显着更高级别的多项式，但只有固定数量的 X 级别，我不相信这会有什么好处。
回复：残差的正态性检验是否有某种方法可以以优化残差图的方式改变回归线？
回复：残差的正态性检验鉴于您拥有的数据，这表明该过程是曲线的，而不是线性的。
回复：残差的正态性检验亲爱的朋友吉姆，
感谢您的友好反馈。 事实上，我有义务确认这个过程是线性的。 现在的问题是，如果我使用多项式来拟合直线，那么我仍然可以将其称为线性过程还是这不是线性过程？
再次感谢您的热心帮助。
回复：残差的正态性检验您的线性回归很显着，并且 R2 非常好，但是，对散点图的审查暗示数据存在曲率。当运行多项式回归时，R2 更强，RMSE 更小，表明多项式是比线性回归更好的预测变量。所以我个人会选择多项式。
回复：残差的正态性检验这是否意味着伦尼尔回归无效？
事实上，我应该表现出宽容的态度。 那么这是否意味着这个过程实际上一点也不宽松？
还有其他方法可以检查吗？
回复：残差的正态性检验您所显示的残差图向我表明您需要进行多项式回归。
