Quale test per valutare l'ipotesi di omogeneità delle varianze dei residui (a parte il grafico dei residui rispetto a quello previsto)?Ciao comunità,
Nell'analisi dei residui, valuto la normalità e la varianza costante con i grafici predefiniti forniti nell'analisi di regressione. Tuttavia, mi chiedevo in che modo potrei testare la varianza costante con un test che mi permetta di avere una sorta di valore p che renda la situazione più precisa rispetto a guardare i grafici.
Posso farlo per la normalità, ma non ancora per la varianza di costanza.
Ad esempio per la normalità, ottengo la trama:
Posso dare alcune conclusioni visivamente, ma mi piace anche avere una descrizione più precisa della situazione e quindi salvo i residui e utilizzando la piattaforma di distribuzione (fit normal) posso ottenere:
Il test di shapiro-wilk mi permette di valutare (oltre alla valutazione visiva) la normalità dei miei residui.
Ora sto cercando di fare qualcosa di simile (facendo un test) per la varianza di costanza dei residui oltre al grafico residuo vs previsto (che aggiungo qui sotto)
So che nel caso di condurre un'Anova nella piattaforma "fit y by x", esiste la possibilità di valutare la varianza di costanza con il "test di Lavene", ma nel mio caso non sono stato in grado di farlo dopo aver tracciato in questa piattaforma i miei residui salvati e i valori previsti salvati.
Sai se esiste un modo oltre alla trama per testare la varianza di costanza per i miei residui?
Grazie per qualsiasi aiuto,
Giuliano
Analisi e modellazione dei dati di baseProgettazione di esperimentifinestreRi: Quale test per valutare l'ipotesi di omogeneità delle varianze dei residui (a parte il grafico dei residui rispetto a quello previsto)?Penso di aver trovato un bel tutorial del Professor Parris per fare questo:
Diagnostica della regressione utilizzando JMP - Uguaglianza della varianza dell'errore (youtube.com)
Ri: Quale test per valutare l'ipotesi di omogeneità delle varianze dei residui (a parte il grafico dei residui rispetto a quello previsto)?A parte il test richiesto, il grafico dei residui suggerisce una mancanza di adattamento. Potrebbe esserci un effetto non lineare nei residui?
R: Quale test per valutare l'ipotesi di omogeneità delle varianze dei residui (a parte il grafico residuo vs quello previsto)?Grazie @Mark_Bailey per il tuo commento.
Hai notato questo nel grafico residuo per previsto o nel grafico quantile normale residuo?
R: Quale test per valutare l'ipotesi di omogeneità delle varianze dei residui (a parte il grafico residuo vs quello previsto)?
Hai notato questo nel grafico residuo per previsto o nel grafico quantile normale residuo?
Il tuo residuo per grafico previsto mostra un pattern di curvatura. Questa è una forte prova che uno dei presupposti alla base dell'uso della regressione lineare non è rispettato (gli errori dovrebbero essere distribuiti normalmente con pattern casuale, vedi Regression Model Assumptions | Introduction to Statistics ), e che potresti perdere alcuni effetti nel tuo modello: effetto(i) quadratico(i) (o termini di ordine superiore), e/o qualsiasi termine che introduca curvatura nella relazione tra la tua risposta e i fattori, come i termini di interazione.
Per saperne di più vedi i post correlati:
Interpretazione relativa al modello di risposta (RSM)
Come posso sapere se il modello lineare o il modello di regressione non lineare si adattano alle mie variabili?
R: Quale test per valutare l'ipotesi di omogeneità delle varianze dei residui (a parte il grafico residuo vs quello previsto)?Grazie @Victor_G per la tua risposta,
In realtà ho fatto la verifica dei residui e ho eseguito una trasformazione box-cox che ha migliorato la situazione. Non posso aggiungere altri termini perché avevamo un caso piuttosto semplice con non troppi gradi di libertà.
Tuttavia, il tuo messaggio mi ha permesso di vedere il punto nel commento di @Mark_Bailey . Stavo dimenticando che interazioni e termini quadratici portano quella non linearità al modello se aggiunti dopo la verifica dei residui. Una svista sciocca da parte mia : S
