你好，
我有一个简单的问题，想知道是否有更多经验的人可以解答一下。
我知道 OLS 不一定需要正态性假设，但残差的正态性会导致方差最小的无偏估计。
我尝试使用“拟合模型”平台中的最小二乘法来拟合具有三个自变量的连续响应的模型。该模型的 Radj 约为 0.45，残差图显示出清晰的模式。
接下来，我检查连续响应的分布，发现它与正常情况相差甚远。
使用广义回归 (Lasso) 和正态响应分布，该模型仍得出约 0.45 的广义 R 方。然而，当我切换到指数响应分布时，Rsquare 增加到 0.84。
如果最小二乘法不需要响应的正态性，那么如何解释这种差异？
谢谢你！
顺便说一句，我发现了这种材料（ https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discovery-2019-content/28/1/glmTalkTucson.pdf）它说假设错误（和响应）是正常的，那么生活就容易多了。 但是，在此链接中（ https://www.jmp.com/en_us/statistics-knowledge-portal/what-is-regression/simple-linear-regression-assumptions.html） ，仅讨论错误的正常性。
因此，我不确定JMP是否假定响应的正常性？
如果是的话，为什么正常的回应会“使生活更加轻松”？
