正态性与方差齐性

正态性与方差齐性

正态性，严格来说是残差要符合正态分布，不过我们经常对因变量直接进行正态性检验，在多数情况下两者是差不多的
方差齐性，就是方差相等，意思是对于每一个x取值，因变量（严格来说是残差）的方差基本相等。

用统计检验方法判断正态性

1. 基于峰度与偏度的SW检验
   SW检验的思想是基于偏离峰度或/和偏度。峰度通俗讲就是分布的形状是平坦还是尖峰；偏度则反映了分布形状是否对称。
   正态分布的峰度和偏度均为0，如果峰度大于0则提示为尖峰，如果峰度小于0则提示为平坦峰；如果偏度大于0则提示为右偏态，如果偏度小于0则为左偏态。
   SW检验反映了基于峰度和/或偏度对正态分布的偏离，该值介于0和1之间，越接近于1，则说明越符合正态分布。越接近于0，则说明越偏离正态分布。

2. 基于拟合优度的KS/CVM/AD检验
   基于拟合优度的思想就是计算理论正态分布与基于实际数据得到的分布之间的差异。这几种方法不仅可以用于正态分布的拟合，也可用于其他分布的拟合优度检验。
   正态分布的拟合优度检验思路是：先求出正态分布的累积概率函数（CDF），然后看一下样本数据与该函数的区别有多大。如果两者的区别很小，则说明样本数据的分布接近于正态分布，可认为服从正态分布；否则则认为不服从正态分布。

结论：
如果例数在2000以内，SW检验的效率最高，一般建议作为首选方法。而基于拟合优度的3种检验方