Quali sono i residui di un adattamento bivariato ortogonale?Nella piattaforma Fit Y by X, ho adattato una regressione con l'opzione 'Adatta ortogonale' nel menu a discesa. Mi chiedo quali siano i residui di questo modello (se cliccassi su Salva residui). Voglio avere i residui ortogonali, ovvero la distanza di ogni punto dalla linea di regressione quando tale distanza è perpendicolare alla linea di regressione (piuttosto che il residuo standard, che è una distanza verticale dalla linea di regressione).
Quindi, i residui dell'adattamento ortogonale sono la distanza ortogonale o verticale dalla retta?
Se è verticale, qualcuno potrebbe dirmi se esiste un modo semplice per ottenere le distanze ortogonali?
Analisi e modellazione dei dati di basesistema operativo macOSR: Quali sono i residui di un adattamento bivariato ortogonale?Nel mio JMP 17, si scopre che quando salvo i residui ottengo due colonne, dove una colonna è quella dei residui verticali e l'altra quella dei residui orizzontali. Quindi sì, come dici, è necessaria un po' di trigonometria per ottenere la distanza ortogonale. Ma è relativamente facile con i due valori forniti. Grazie!
R: Quali sono i residui di un adattamento bivariato ortogonale?Ciao @JayBee911 Per quanto ne so, ci sono pochi dettagli preziosi nella documentazione di JMP per quanto riguarda i residui in questione. Tuttavia, dovrebbe essere facile verificare se JMP sta usando i residui nella direzione verticale calcolandoli da soli dall'equazione: Y[osservato] - (b0 + b1*X[osservato]). Immagino che JMP li mostri, quelli verticali. Se vuoi i residui, definiti come le distanze ortogonali dalla linea ai punti, probabilmente dovrai rispolverare il tuo cappello di trigonometria.
https://davegiles.blogspot.com/2014/11/orthogonal-regression-first-steps.html
Modifica: sembra che JMP calcoli i residui verticali (l'ho verificato con i miei dati), il che ha senso dal momento che stai cercando di prevedere Y da X. Tuttavia, se vuoi i residui ortogonali (quelli utilizzati quando si minimizza la somma dei residui al quadrato per stimare b0 e b1), dovrai seguire il metodo nel link sopra.
