Fit Least Squares의 정규성 가정안녕,
더 많은 경험을 가진 사람들이 빛을 발할 수 있는지 궁금한 간단한 질문이 있습니다.
OLS가 반드시 정규성 가정을 요구하지는 않지만 잔차에 대한 정규성은 최소 분산이있는 편향되지 않은 추정.
모델 적합 플랫폼에서 최소 제곱을 사용하여 세 개의 독립 변수가있는 연속 반응에 대한 모형을 적합 시키려고했습니다. 이 모델의 Radj는 약 0.45이고 잔차 그림은 명확한 패턴을 나타냅니다.
다음으로 연속 반응의 분포를 확인하고 정상에서 멀리 떨어져 있음을 확인했습니다.
일반화 회귀 (올가미) 및 정규 응답 분포를 사용하여 모델은 여전히 약 0.45의 일반화 Rsquare를 얻었습니다. 그러나 지수 응답 분포로 전환하면 Rsquare가 0.84로 증가했습니다.
최소 제곱에서 반응에 대한 정규성이 필요하지 않은 경우 이러한 차이를 설명 할 수있는 것은 무엇입니까?
감사합니다!
해석학다른Re : Fit Least Squares의 정규성 가정그건 그렇고, 나는이 자료를 찾았습니다 ( https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discovery-2019-content/28/1/glmTalkTucson.pdf) 오류 (및 응답)가 정상이라고 가정하면 삶이 훨씬 쉬워집니다. 그러나이 링크 ( https://www.jmp.com/en_us/statistics-knowledge-portal/what-is-regression/simple-linear-regression-assumptions.html) , 오류의 정상 성만 설명합니다.
그래서 JMP에서 응답의 정상 성이 가정되는지 확실하지 않습니까?
그렇다면 응답의 정상 성이 "삶을 훨씬 더 쉽게"만드는 이유는 무엇입니까?
Re : Fit Least Squares의 정규성 가정안녕 안나,
Fit Least Square 플랫폼에 대한 실제 가정은 모델 잔차가 정상적으로 분포된다는 것입니다. 반응이나 변수가 정규 분포 될 것이라는 가정이 없습니다. 통계 측면에서 "삶을 훨씬 더 쉽게 만든다"라는 문구가 무엇인지 잘 모르겠습니다.
베스트,
TSRe : Fit Least Squares의 정규성 가정일반적인 최소 제곱 회귀는 종종 반응 분포와 관련하여 특별한 경우로 취급됩니다. 같이 헉헉 오류가 정규 분포를 따른다는 가정하에 일반적으로 잔차 (예상 오류)를 처리합니다. 조건부 분포로 설명 할 수도 있습니다 : Y ~ Normal (mean = predicted Y = f (X), variance). 따라서 평균 Y는 선형 회귀 모델에서 설명한대로 X에 따라 달라 지지만 Y의 분산은 일정하거나 반응과 무관합니다. 즉, 반응은 주어진 평균 반응 (예측)에 대한 오류의 정규 분포를 나타냅니다.
나는 " OLS는 반드시 정규성을 요구하지는 않습니다. "
정규성 가정과 OLS는 조건부 분포가 정규 분포가 아닌 경우 불량 모델로 이어집니다. 따라서 지수 분포는 귀하의 경우 정규 분포보다 분산에 대한 모델로 보입니다.
