本文探讨了回归分析中因变量是否需要正态分布的问题。实际上，回归要求的是误差项服从正态分布，而非因变量本身。回归的目的是预测和约束修正，误差项正态分布对于t检验的准确性至关重要。若仅用于预测，高斯—马尔科夫定理保证了斜率的准确性。而R^2虽然反映模型拟合度，但并不意味着实际模拟效果。方差分析可用于评估模型对真实情况的模拟质量。
看到这条推送的小可爱们新年快乐！
本推送过于数学，看不懂的小伙伴划到最后给我点个赞再看里评论一个不明觉厉就行。
上周做环研作业，题目是探究二氧化碳排放的主要影响因素。
有同学跟我说：“我把因变量和自变量都做了正态化处理。”
闻之，我问道：“你为啥要把它们正态化？”
“好像有要求说OLS回归一定要因变量正态分布。”
我顿时想起，这学期我在做环微实验的时候，数据处理画图回归是如下这样的：
我这里的因变量妥妥的是均匀分布啊，那我不是炸了？
发生了这种事情我当然要想办法挽回，我想起了自己学习计量经济学的经历，就跟ta说：“我咋听说是误差项服从正态分布？或者说，是自变量固定时因变量服从正态分布。”
于是我开始用我这上面那张图举例
“你看，所谓的正态分布，指的是假如我对
最低0.47元/天 解锁文章
扫一扫
3650
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
