안녕,
더 많은 경험을 가진 사람들이 좀 더 밝힐 수 있는지 궁금해하는 간단한 질문이 있습니다.
OLS에는 정규성 가정이 반드시 필요한 것은 아니지만 잔차의 정규성은 최소 분산으로 편향되지 않은 추정을 이끌어낸다는 것을 알고 있습니다.
저는 Fit Model 플랫폼에서 Least Squares를 사용하여 3개의 독립 변수가 있는 연속형 반응에 모델을 맞추려고 했습니다. 이 모델의 Radj는 약 0.45였으며 잔차 플롯은 명확한 패턴을 나타냈습니다.
다음으로 연속응답의 분포를 확인해 보니 정상과는 거리가 멀다는 것을 알 수 있었습니다.
일반화 회귀(Lasso) 및 정규 반응 분포를 사용하여 모델은 여전히 약 0.45의 일반화 R제곱을 얻었습니다. 그런데 지수응답분포로 바꾸자 Rsquare가 0.84로 증가했습니다.
최소제곱법에서 반응의 정규성이 필요하지 않다면 그러한 차이를 어떻게 설명할 수 있습니까?
감사합니다!
그건 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?
