回归分析残差不满足正态分布_SAS线性回归模型诊断

采用最小二乘法进行线性回归时，需要满足特定的条件：

1. 正态性：一定范围内，给定任意x值，对应的y均服从正态分布

2. 独立：即误差项间不存在相关，一般时间序列数据会存在自相关

3. 线性：因变量和自变量有线性关系

4. 同方差性：即模型误差项的方差相等。

这些假设都与误差项有关，所以我们可以从误差的估计量残差来解决，即我们常用到的残差分析、残差图等。残差图就是以某种残差(残差、标准化残差、学生化残差等)为纵坐标，以任何其他的量为横轴的散点图，如果数据能较好满足回归条件，那么残差图会是一个在水平线周围随机均匀分布的散点图。另外我们也可通过假设检验的手段进行回归诊断。

残差图诊断

1.正态性：如果满足此条件，那么残差值将服从正态分布。可以采用残差的qq图来判断

2.线性：可以采用残差和预测值散点图，如果满足线性，那么残差值与预测值没有任何关联。

3.同方差性：可以看学生化残差图和预测值的散点图，如果满足同方差性假设，那么散点大致落在±2的区域，且不呈任何趋势。

对于回归中的残差诊断图，SAS程序会自动生成并展示在结果里。

假设检验诊断：

1. 正太性：可以输出残差，使用univariate过程步进行正态检验。或者使用transreg过程box-cox转换方法

2. 同方差性：SAS里提供white检验和bp法。

3. 线性：可以使用网上的boxTdiwell变换的宏程序。该宏的运行还需使用另外一个gskip宏程序才能运行。两个宏程序下载地址：

   boxTdiwell：http://www.data