Bei den Annahmen des allgemeinen linearen Modells Y = XB + E dreht es sich alles um den Zufallsterm: Es wird angenommen, dass die Residuen eine konstante Varianz aufweisen (unabhängig vom Niveau der Antwort- oder Prädiktorvariablen), normal verteilt und unabhängig sind. Um aus Ihrem Modell gültige Schlussfolgerungen zu ziehen, einschließlich der Interpretation von p-Werten und Vorhersagen, müssen die Annahmen bestätigt werden. In diesem Workshop lernen Sie, wie Sie diese Annahmen überprüfen und was zu tun ist, wenn Annahmen verletzt werden.
Die Annahmenprüfung umfasst sowohl grafische als auch numerische Verfahren. Residuendiagramme sind nützlich, um die Normalität von Residuen, die Varianz der Residuen als Funktion der Prädiktoren und der vorhergesagten Antwort sowie unerwartetes Verhalten im Zeitverlauf, Prädiktorwerte oder vorhergesagte Werte der Antwort zu untersuchen.
Das lineare Modell kann geändert werden, um Verstöße gegen die Annahmen von Normalität und konstanter Varianz zu berücksichtigen, einschließlich Transformationen der Prädiktoren und Antworten oder der Anpassung eines allgemeineren linearen Modells. Zeitliche Trends in den Residuen können manchmal durch die Verwendung von Zeitreihenmodellen oder das Hinzufügen von Sperrvariablen zum Modell berücksichtigt werden. Einige prädiktive Modelle oder nichtparametrische Methoden vermeiden diese Annahmen und könnten eine Alternative darstellen, aber lineare Regressionsmodelle stehen im Mittelpunkt dieses Workshops.
