利用Matlab考察数据的边缘正态性 作Q_Q图

一、实验数据

需要考察多个变量的边缘正态性

二、考察边缘正态性

1.原理

可以通过对每个变量的样本观测值的边缘分布作Q_Q图和计算相关系数 r_Q 来考察。
Matlab自带有作Q_Q图的函数qqplot() ，但是并没有计算相关系数 r_Q 的函数。参考实用多元统计分析的4.6节，用其中作Q_Q图的步骤和 r_Q 的公式自编Matlab程序进行求解，并且封装成函数。自编程序中用到了Matlab的norminv（probability,mean,standard_dev）函数，令mean = 0，standard_dev = 1 可以得到对应概率probability的标准正态分布的下侧分位数。

function[r]= Q_Q (x)
x1=sort(x); %对原矩阵每列进行升序排列
[n,m]=size(x1);  %返回维数
p=ones(n,1)./n; %生成相同维数的1/n矩阵

for i=1:n  %循环n个观测值
    p(i,1)=(i-0.5)*p(i,1);  %构造p（j）矩阵
end

q=ones(n,1); 
for i=1:n  %循环n个观测值
    q(i,1)=norminv(p(i,1),0,1);  %得到标准正态分位数
end

r=ones(1,m);
for i=1:m %循环m个变量，画m*2个Q-Q图
    
    subplot(m,2,2*i-1); %用2*i-1（奇数）选中左边一竖列
    plot(q,x1(:,i));   %用自己处理的数据画Q-Q图
    
    subplot(m,2,2*i); %用2*i（偶数）选中右边一竖列
    qqplot(x1(:,i));   %用matlab自带的qqplot命令画Q-Q图
    
    r(:,i)=corr(q,x1(:,i));  %计算rQ相关系数
end

2.结果

右边一列是用Matlab自带的qqplot() 画的，左边是自编程序画的。右边还有拟合的直线，画的也更好看，但是我Matlab入门还不会做拟合。

相关系数 r
可以观察到，相关系数r 依次降低，Q_Q图越来越不趋近于直线。