Quel test pour évaluer l'hypothèse d'homogénéité des variances des résidus (en dehors du tracé résiduel vs prédit) ?Salut la communauté,
Dans l'analyse des résidus, j'évalue la normalité et la variance constante avec les graphiques par défaut donnés dans l'analyse de régression. Cependant, je me demandais de quelle manière je pourrais tester la variance constante avec un test qui me permettrait d'avoir une sorte de valeur p rendant la situation plus précise que de regarder les graphiques.
Je suis capable de le faire pour la normalité, mais pas encore pour la variance de constance.
Par exemple pour la normalité, j'obtiens le tracé :
Je peux donner quelques conclusions visuellement, mais j'aime aussi avoir une description plus précise de la situation et donc, je sauvegarde les résidus et en utilisant la plateforme de distribution (fit normal) je peux obtenir :
Le test shapiro-wilk me permet d'évaluer (en plus de l'évaluation visuelle) la normalité de mes résidus.
Je cherche maintenant à faire quelque chose de similaire (faire un test) pour la variance de constance des résidus en plus du tracé résiduel vs prédit (que j'ajoute ci-dessous)
Je sais que dans le cas de la réalisation d'une Anova dans la plateforme "fit y by x", il existe la possibilité d'évaluer la variance de constance avec le "test de Lavene", mais je n'ai pas pu le faire dans mon cas après avoir tracé dans cette plateforme mes résidus enregistrés et mes valeurs prédites enregistrées.
Savez-vous s'il existe un moyen en plus du graphique pour tester la variance de constance de mes résidus ?
Merci pour toute aide,
julien
Analyse et modélisation des données de baseConception d'expériencesles fenêtresRe : Quel test pour évaluer l'hypothèse d'homogénéité des variances des résidus (en dehors du tracé résiduel vs prédit) ?Je pense avoir trouvé un joli tutoriel du professeur Parris pour faire ceci :
Diagnostics de régression à l'aide de JMP - Égalité de variance d'erreur (youtube.com)
Re : Quel test pour évaluer l'hypothèse d'homogénéité des variances des résidus (en dehors du tracé résiduel vs prédit) ?Mis à part le test demandé, votre tracé résiduel suggère un manque d'ajustement. Pourrait-il y avoir un effet non linéaire dans les résidus ?
Re : Quel test pour évaluer l'hypothèse d'homogénéité des variances des résidus (en dehors du tracé résiduel vs prédit) ?Merci @Mark_Bailey pour votre commentaire.
Avez-vous remarqué cela dans le graphique résiduel par prédiction ou dans le graphique quantile normal résiduel ?
Re : Quel test pour évaluer l'hypothèse d'homogénéité des variances des résidus (en dehors du tracé résiduel vs prédit) ?
Avez-vous remarqué cela dans le graphique résiduel par prédiction ou dans le graphique quantile normal résiduel ?
Votre graphique de résidus par prédiction montre un motif de courbure. Ceci est une preuve solide que l'une des hypothèses derrière l'utilisation de la régression linéaire n'est pas respectée (les erreurs doivent être normalement distribuées avec un motif aléatoire, voir Hypothèses du modèle de régression | Introduction aux statistiques ), et que vous pourriez manquer certains effets dans votre modèle : effet(s) quadratique(s) (ou termes d'ordre supérieur), et/ou tout terme introduisant une courbure dans la relation entre votre réponse et les facteurs, comme les termes d'interaction.
Voir plus dans les articles associés :
Interprétation liée au modèle de réponse (RSM)
Comment puis-je savoir si un modèle linéaire ou un modèle de régression non linéaire convient à mes variables ?
Re : Quel test pour évaluer l'hypothèse d'homogénéité des variances des résidus (en dehors du tracé résiduel vs prédit) ?Merci @Victor_G pour votre réponse,
En fait, j'ai fait la vérification des résidus et effectué une transformation de cox de boîte qui a amélioré la situation. Je ne peux pas vraiment ajouter plus de termes puisque nous avions un cas assez simple avec pas trop de degrés de liberté.
Cependant, votre message m'a permis de voir le point du commentaire de @Mark_Bailey . J'oubliais que les interactions et les termes quadratiques apportent cette non-linéarité au modèle s'ils sont ajoutés après vérification des résidus. Un oubli stupide de ma part : S
