当残差不满足方差齐性时，可以采用加权最小二乘法（WLS）进行模型估计。通过SPSS操作，首先判断残差方差是否齐性，然后根据数据变异程度赋予不同权重，最后通过WLS调整，使得加权后模型的残差平方和最小，提高预测价值。
今天我们就来继续讨论一下，如果残差不满足方差齐性时，应该如何解决？
一、残差方差齐性判断
- 残差方差齐性
回顾一下前面介绍过的残差方差齐性，即残差ei的大小不随预测值水平的变化而变化。我们在进行残差分析时，可以通过绘制标准化残差和标准化预测值的散点图来进行判断。若残差满足方差齐性，则标准化残差的散点会在一定区域内，围绕标准化残差ei=0这条直线的上下两侧均匀分布，不随标准化预测值的变化而变化，如图1所示。
图1. 标准化残差散点图（方差齐性）
- 残差方差不齐
但有时残差不满足方差齐性的假设，其标准化残差散点图显示，残差的变异程度随着变量取值水平的变化而发生变化，如图2(a)显示标准化残差的分布随变量取值的增大而呈现扩散趋势，图2(b)显示标准化残差的分布随变量取值的增大而呈现收敛趋势，说明残差不满足方差齐性的条件。
图2. 标准化残差散点图（方差不齐）
二、加权最小二乘法
在多重线性回归模型中，我们采用的是普通最小二乘法（Ordinary Least Square，OLS）来对参数进行估计，即要求每个观测点的实际值与预测值之间的残差平方和最小，对于模型中的每个观测点是同等看待的ÿ
最低0.47元/天 解锁文章
3429
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
