回归分析残差不满足正态分布_线性回归思路梳理！精华必看！

1 简单线性回归

1.1 根据研究目的确定因变量和自变量。

1.2 判断有无异常值。

通过绘制散点图直观观察；亦可通过线性回归的【统计】→【个案诊断】→【所有个案】进行分析，若标准残差超过[-3,3]，则可视为异常值。

如果发现异常值，则首先应该检查是否是数据收集或录入方面的错误，如是则应及时纠正。如不是数据收集或录入方面的错误，则需根据实际情况，选择剔除或者保留异常值。

1.3 判断数据是否满足简单线性回归假设条件。

第一，线性（linear），因变量与自变量呈线性关系，通过绘制散点图判断。

第二，独立性（independent），任意两个观察值之间相互独立，通过线性回归的【统计】→【德宾-沃森】进行分析，一般来说Durbin-Waston检验值分布在0-4之间，越接近2，观察值相互独立的可能性越大。

第三，残差正态性（normal），随机误差近似正态性，可通过直方图或者P-P图判断残差是否符合正态分布。

第四，通过线性回归的【图】→【产生所有部分图】，即可得到残差随着估计值的变化趋势，若所有点均匀分布于直线Y=0的两侧，则可认为方差齐性。

1.4 估计回归模型参数，建立模型。

1.5 对模型进行假设检验。

对回归模型进行假设检验一般使用方差分析法，对回归系数进行假设检验一般使用t检验方法。

2 多重线性回归