Welcher Test dient zur Bewertung der Annahme der Homogenität der Varianzen von Residuen (abgesehen vom Diagramm „Residuum vs. Vorhersage“)?Hallo Community,
In der Residuenanalyse bewerte ich Normalität und konstante Varianz mit den Standarddiagrammen, die in der Regressionsanalyse angegeben sind. Ich habe mich jedoch gefragt, auf welche Weise ich konstante Varianz mit einem Test testen könnte, der mir eine Art p-Wert ermöglicht, der die Situation präziser macht, als wenn ich mir die Diagramme ansehe.
Für die Normalverteilung gelingt mir das, für die konstante Varianz noch nicht.
Beispielsweise erhalte ich für die Normalität die folgende Darstellung:
Ich kann einige Schlussfolgerungen visuell darstellen, möchte aber auch eine genauere Beschreibung der Situation haben. Daher speichere ich die Residuen und erhalte mithilfe der Verteilungsplattform (fit normal) Folgendes:
Mit dem Shapiro-Wilk-Test kann ich (zusätzlich zur visuellen Auswertung) die Normalität meiner Residuen beurteilen.
Ich möchte jetzt zusätzlich zum Diagramm „Residuen vs. Vorhersage“ (das ich hier unten hinzufüge) etwas Ähnliches tun (einen Test durchführen) für die Konstanzvarianz der Residuen.
Ich weiß, dass beim Durchführen einer Anova in der Plattform „Fit y mal x“ die Möglichkeit besteht, die Konstanzvarianz mit dem „Lavene-Test“ zu ermitteln, habe dies in meinem Fall jedoch nicht tun können, nachdem ich meine gespeicherten Residuen und gespeicherten vorhergesagten Werte in dieser Plattform dargestellt habe.
Wissen Sie, ob es zusätzlich zum Diagramm eine Möglichkeit gibt, die Konstanzvarianz für meine Residuen zu testen?
Vielen Dank für jede Hilfe,
julianisch
Grundlegende Datenanalyse und ModellierungVersuchsplanungWindowsBetreff: Welcher Test dient zur Bewertung der Annahme der Homogenität der Varianzen von Residuen (abgesehen vom Diagramm „Residuum vs. Vorhersage“)?Ich glaube, ich habe dazu ein nettes Tutorial von Professor Parris gefunden:
Regressionsdiagnostik mit JMP – Gleichheit der Fehlervarianz (youtube.com)
Betreff: Welcher Test dient zur Bewertung der Annahme der Homögenität der Varianzen von Residuen (abgesehen vom Diagramm „Residuum vs. Vorhersage“)?Abgesehen vom angeforderten Test deutet Ihr Residuendiagramm auf mangelnde Anpassung hin. Könnte es einen nichtlinearen Effekt in den Residuen geben?
Betreff: Welcher Test dient zur Bewertung der Annahme der Homögenität der Varianzen von Residuen (abgesehen vom Diagramm „Residuum vs. Vorhersage“)?Vielen Dank @Mark_Bailey für Ihren Kommentar.
Haben Sie dies im Diagramm „Residuen nach Vorhersage“ oder im Diagramm „Residuen-Normalquantil“ bemerkt?
Betreff: Welcher Test dient zur Bewertung der Annahme der Homogenität der Varianzen von Residuen (abgesehen vom Diagramm „Residuum vs. Vorhersage“)?
Haben Sie dies im Diagramm „Residuen nach Vorhersage“ oder im Diagramm „Residuen-Normalquantil“ bemerkt?
Ihr Diagramm „Residuen durch Vorhersage“ zeigt ein Krümmungsmuster. Dies ist ein starker Hinweis darauf, dass eine der Annahmen, die der Verwendung der linearen Regression zugrunde liegen, nicht eingehalten wird (Fehler sollten normal verteilt sein und ein zufälliges Muster aufweisen, siehe Annahmen des Regressionsmodells | Einführung in die Statistik ) und dass Sie möglicherweise einige Effekte in Ihrem Modell übersehen: quadratische Effekte (oder Terme höherer Ordnung) und/oder Terme, die eine Krümmung in die Beziehung zwischen Ihrer Antwort und den Faktoren einführen, wie z. B. Interaktionsterme.
Weitere Informationen finden Sie in den zugehörigen Beiträgen:
Interpretation im Zusammenhang mit dem Antwortmodell (RSM)
Wie kann ich feststellen, ob das lineare oder das nichtlineare Regressionsmodell zu meinen Variablen passt?
Betreff: Welcher Test dient zur Bewertung der Annahme der Homogenität der Varianzen von Residuen (abgesehen vom Diagramm „Residuum vs. Vorhersage“)?Vielen Dank @Victor_G für deine Antwort,
Ich habe tatsächlich die Residuen verifiziert und eine Box-Cox-Transformation durchgeführt, die die Situation verbessert hat. Ich kann nicht wirklich weitere Terme hinzufügen, da wir einen eher einfachen Fall mit nicht allzu vielen Freiheitsgraden hatten.
Ihre Nachricht hat mir jedoch geholfen, den Punkt in @Mark_Baileys Kommentar zu erkennen. Ich hatte vergessen, dass Interaktionen und quadratische Terme diese Nichtlinearität in das Modell bringen, wenn sie nach der Überprüfung der Residuen hinzugefügt werden. Ein dummes Versehen meinerseits: S
