统计|如何理解线性回归分析中残差检验的基本步骤

最新推荐文章于 2024-05-08 21:59:51 发布
最新推荐文章于 2024-05-08 21:59:51 发布
阅读量2.2w 收藏 45
点赞数 12
分类专栏： 线代概率 文章标签： 逻辑回归 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37149062/article/details/108306284
版权

本博文源于《商务统计》，旨在讲述如何对线性回归分析中已经拟合好的直线做残差分析。当谈起残差，必须了解残差是y的实际值和预测值之差。

线性回归模型的残差检验假定条件

  • 线性假定：X与Y之间的关系是线性的
  • 独立性假定：对于一个特定的x，它所对应的残差 ∈ \in ∈与其它x所对应的残差 ∈ \in ∈相互独立
  • 正态假定:残差服从期望为0的一个正态分布
  • 同方差假定:对于所有的x，残差 ∈ \in ∈的方差都是相同的

残差检验的基本步骤

线性关系的检验

横轴自变量，纵轴因变量
横轴自变量，纵轴残差

在这里插入图片描述
从图上可以看见这是非线性关系，说明不满足残差检验的假定条件

在这里插入图片描述
从图上可以看见都落于水平线周围，比较均匀，这符合残差检验的假定条件线性假定。

独立性假定检验

跟上面一样画个残差图，如果图上显示的非水平，带有曲线的味道，那就非独立。一般统计软件已经帮你做好了，只需要看下非独立的情况长什么样就行了。
在这里插入图片描述

正态性假定检验

这个统计软件也可以，那就是QQ图，matlab可以做
matlabqq(Quantile-Quantile)图绘制并讲解
在这里插入图片描述
服从正态分布的QQ图，就跟图上类似，点在一条直线上。

同方差假定检验

也是画散点图，如果不是水平线上，那就是异方差。
在这里插入图片描述

总结

在做线性回归分析残差检验中，牢记画两个图就行了，一种是残差图，一种是QQ图。目的就是测量是否满足四种线性回归模型的假定。

执念斩长河
关注
  • 12
    点赞
  • 踩
  • 45
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
SAS多元线性回归分析与残差分析实验结果和数据集
05-15
残差分析则是评估线性回归模型假设是否得到满足的关键步骤。它涉及到检查模型的残差（即观测值与预测值之间的差异）以识别任何系统性的模式或异常。如果残差显示出特定的模式（如非零均值、异方差性或相关性），那么...
GM(1,1)预测模型的残差检验、关联度检验、后验差检验代码
qq_54857013的博客
10-01 2万+
在建立好灰色模型后，首先要进行模型的检验，以检验模型的效果。一般有三种检验方法：相对残差检验、关联度检验、后验差检验。当三种检验全部通过时，表明模型的效果较好，才可以使用模型进行后续的预测；否则，将要对模型进行残差修正，直到三种检验均通过为止。 这篇文章就着重阐述一下三种检验~ 一、检验准则 下面就不详细阐述各检验的基本原理了，重点说一下各检验的评判准则。 1.相对残差检验（根据自己的要求与题意任选一个要求进行衡量即可） （1）最严格的要求：（i）<0.00...
SpringBoot整合RabbitMQ
K_kzj_K的博客
06-09 4587
该篇文章内容较多，包括有rabbitMq相关的一些简单理论介绍，provider消息推送实例，consumer消息消费实例，Direct、Topic、Fanout的使用，消息回调、手动确认等。 （但是关于rabbitMq的安装，就不介绍了） 在安装完rabbitMq后，输入http://ip:15672/，是可以看到一个简单后台管理界面的。 在这个界面里面我们可以做些什么？ 可以手动创建虚拟host，创建用户，分配权限，创建交换机，创建队列等等，还有查看队列消息，消费效率，推送效率等等。 以上..
残差神经网络
最新发布
qq_74722169的博客
05-08 1645
原论文：https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/He_Deep_Residual_Learning_CVPR_2016_paper.pdf。
线性回归假设条件及残差检验
qq_48988106的博客
11-02 9259
文章目录一、线性回归假设条件（LINE）二、 残差分析1. 线性检验2. 正态性检验3. 独立性检验4. 方差齐性检验5.其他残差图 一、线性回归假设条件（LINE） 线性(Linear) 自变量与因变量之间存在线性关系 正态性(Normal) 残差 ϵ\epsilonϵ 服从正态分布N(0, σ2\sigma^2σ2) 。其方差 σ2\sigma^2σ2 = var ( ϵi\epsilon_iϵi​ ) 反映了回归模型的精度， σ2\sigma^2σ2 越小，用所得到回归模型预测y的精确度愈高 独
残差检验_选择好模型：可以检验残差的分布
weixin_34475062的博客
01-13 2657
收到一位知友的求助：我对一组模型进行了计算，获取了每个模型的残差，残差（misfit）的频次直方图如图一所示，现在有要求perform a goodness of fit test (using residuals and a chi2 distribution) and select models that pass the test at a certain confidence level ...
残差检验_Be careful! 残差作为被解释变量可能产生错误推断
weixin_39782709的博客
01-13 1655
点击蓝字 关注我们现有大量学术文献关注了会计财务变量中异常的、操纵性的或不可被解释的部分，比如操纵性应计利润 (discretionary accruals)、异常审计费用 (unexplained audit fees)、超额薪酬 (excess compensation)、异常股票收益 (abnormal stock returns)等等。这类研究的模型构建过程主要分为两步，第一步是...
为啥一定要用残差图检查你的回归分析？
Teaching is Learning | Writing is Thinking
08-17 1万+
用普通最小二乘法(OLS)做回归分析的人都知道，回归分析后的结果一定要用残差图(residual plots)来检查，以验证你的模型。你有没有想过这究竟是为什么？残差图又究竟是怎么看的呢？这背后当然有数学上的原因，但是这里将着重于聊聊概念上的理解。从根本上说，。。。
残差检验_Eviews中的自相关检验与修正操作（一）：残差图与DW检验
热门推荐
weixin_28999139的博客
01-13 5万+
自相关是指在时间序列资料中按时间顺序排列的观测值之间存在相关性或在横截面资料中按空间顺序排列的观测值之间存在相关性，它是不满足经典OLS回归的假定之一。自相关问题往往出现在时间序列数据中，所以也经常称为“序列自相关”。自相关问题往往采用残差图、DW检验、LM检验(也称BG检验)等检验方法，并采用广义差分法进行修正，又由于实际中估计自回归系数p的不同，分为杜宾两步法、科克伦-奥科特迭代法。...
回归算法带残差分析_回归算法_残差_多元线性回归_
10-03
本文将深入探讨回归算法中的多元线性回归及其残差分析，旨在帮助理解如何通过最小二乘法来实现模型拟合，并进行拟合优度检验和参数检验，同时也会提及共线性分析这一重要概念。 首先，我们要明确多元线性回归的基本...
多元线性回归课设（残差、共线性诊断等）
03-12
综上所述，多元线性回归作为一种强大的统计工具，在数据分析领域具有广泛的应用前景。通过对残差、共线性等现象的有效诊断与处理，可以显著提升模型的性能。此外，合理的数据预处理也是确保建模成功的关键因素之一。...
二元一次线性回归+F值检验（残差分析）
04-12
本资源适用于对做二元线性回归、残差分析的人有所帮助。如：做ndvi与温度、降雨的线性回归问题做残差分析。
【eviews多元线性回归】eviews多元线性回归分析流程
04-11
6. **模型诊断**：进一步检查残差图和残差统计量，如Durbin-Watson统计量、异方差性检验（如White's test）和自相关性检验（如Breusch-Godfrey test），以判断模型是否满足线性回归的基本假设。 7. **解释和应用**...
学习笔记|残差|检验多重共线性|线性回归分析|德宾沃森检验|方差分析（ANOVA）|回归系数|残差和预测值|规范表达|《小白爱上SPSS》课程：SPSS第二十一讲：多元线性回归分析（超级详细）
Medlar_CN的博客
11-06 2157
学习笔记|残差|检验多重共线性|线性回归分析|德宾沃森检验|方差分析（ANOVA）|回归系数|残差和预测值|规范表达|《小白爱上SPSS》课程：SPSS第二十一讲：多元线性回归分析（超级详细）
残差分析与残差图
statistics+insight+vista+power
02-08 3万+
从线性回归与非线性回归说起 均方误差(Mean Squared Error，MSE)：真实值与预测值差的平方和的平均值。 RMSE指标 在某些情况下决定系数(coefficient of determination)R^2【R方】非常重要，可以将其看成一个MSE标准化版本，R^2是模型捕获响应方差的分数。 另一个诊断图是残差的直方图。 理想情况下，我们希望残差是正态分布的，这意味着模型在两个方向（高...
线性回归的简单介绍
XIAOFEI@IDO
03-19 1万+
一、背景 简单线性回归（Simple linear regression）也称为一元线性回归，是分析一个自变量（x）与因变量（y）之间线性关系的方法，它的目的是拟合出一个线性函数或公式来描述x与y之间的关系。 我们以最简单的一元线性回归回归方程来解释： yi=β0+β1×xi+eiy_i = \beta_0 + \beta_1 \times x_i + e_iyi​=β0​+β1​×xi​+ei​ 其中，yiy_iyi​ 为因变量，xix_ixi​ 为 自变量，β0\beta_0β0​ 为截距， β1\be
【异常处理】devcpp编译时 “源文件未编译”
VICI的博客
10-09 3626
处理方案：
常用的标准正态分布分位数取值
执念斩长河
08-24 4万+
本博文源于《商务统计》，旨在讲述常用的标准正态分布的分位数取值，matlab和spss也比较常用这些分位数取值，如果感兴趣的同学收藏即可。
sklearn 线性回归残差分析代码
08-05
在Scikit-learn中，线性回归模型并不直接提供残差分析的功能，但我们可以通过一些方法来进行线性回归模型的残差分析。以下是使用Scikit-learn进行线性回归残差分析的一般步骤： 1. 导入必要的库和模块： ```pythonimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegression``` 2. 准备数据： 假设我们有自变量X和因变量y，可以使用Numpy库生成随机数据进行演示： ```python#生成随机数据np.random.seed(0) X = np.random.rand(100,1) y =2 +3 * X + np.random.randn(100,1) ``` 3. 拟合线性回归模型： ```python# 创建线性回归模型对象model = LinearRegression() # 拟合模型model.fit(X, y) ``` 4. 计算残差： ```python# 预测值y_pred = model.predict(X) # 计算残差residuals = y - y_pred``` 5. 进行残差分析： ```python# 绘制残差图plt.scatter(y_pred, residuals) plt.xlabel('Predicted values') plt.ylabel('Residuals') plt.axhline(0, color='red', linestyle='--') plt.title('Residual Plot') plt.show() ``` 在残差图中，我们希望看到残差分布在0附近，且没有明显的模式或趋势。 此外，你还可以使用其他方法来进行进一步的残差分析，如绘制残差的直方图、Q-Q图来检查残差的正态性，或者进行统计检验来评估残差的同方差性和独立性。 请注意，Scikit-learn是一个机器学习库，主要用于建模和预测任务。如果需要更详细的统计分析和残差诊断，建议使用专门的统计分析库，如statsmodels。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值