Tutkin yksimuuttujaista ja erillistä aikasarjaa. Tiedän, että jäännösten tulisi olla käytännössä satunnaisia ja hyvin istuvia, ja niiden tulisi olla kellon muotoisia.
Ovatko alla oleva juoni sitä, että jäännökset ovat tehokkaita satunnainen?
kommentit
- Tervetuloa sivustolle, @Marco. Minulla ei ole aavistustakaan mitä kysyt. Voitko selvittää kysymyksesi?
- kiitos. Opiskelen aikasarjaa klassisella lähestymistavalla. Haluan, että joku kuvailee tätä kuvaa ja kertoo minulle, kuvaako tämä grafiikka jäännöksiä käytännössä satunnaisesti.
- Mitä ' s kuvaa kuvaajan y (pysty) akselia ?
- On hyvä tarkastella, miten jäännökset jakautuvat. Tämä histogrammi kertoo kuitenkin sinulle hyvin vähän niiden näennäisestä " satunnaisuudesta. " Tätä varten sinun on vertailla jäännökset muille tiedoillesi, mukaan lukien riippuva muuttuja ja muut muuttujat, joita ei ehkä ole ollut mukana sovituksessa. Haluat, että jäännökset näyttävät riippumattomilta kaikista muista muuttujista.
- Whuber ' hyödyllisten kommenttien lisäksi yksi tapa kokeilla Ei-satunnaisten kuvioiden poissulkeminen jäännöksistä on luoda jäännösten sirontakaavio (pystyakselilla) joko riippuvaisen muuttujan tai sen ennustettujen arvojen (vaaka-akselin) suhteen. Ihannetapauksessa keskiarvon tai vaihtelun systemaattinen kasvu tai lasku ei näy siirryttäessä vasemmalta oikealle.
Vastaus
Tervetuloa CrossValidatediin, Marco!
Jos ymmärsin sinut oikein, käytät pienimmän neliön estimaattoria (LSE) regressio-ongelma. Toimiakseen tehokkaasti LSE vaatii normaalisti jakautuneita jäännöksiä. Hyvä tapa tarkistaa tämä on tarkastella ns. Q-Q-käyrää : piirrät saatujen jäännösten kvantiilit verrattuna teoreettisiin normaalikvantiileihin. Jos näet jotain QQ-käyrässä viivana – olet valmis – oletus normaaluudesta täyttyy.
Mutta haluan kannustaa sinua olemaan varovainen, sinun on myös tarkistettava muut LSE: n edellyttämät oletukset : jäännösten riippumattomuus ja homoskedastisuus .
Toivottavasti se auttaa!
Kommentit
- Lineaarinen regressio vaatii normaalivirheitä?
- @kirk, itse lineaarinen regressio ei ole, mutta Lineaarisen regression pienimmän neliösumman estimaattori vastaa suurimman todennäköisyyden estimaattoria gaussian virheillä. Siksi ' siksi oletetaan usein, että virheet tulisi jakaa normaalisti. Ja kun saan kysymyksestä (viittaus kellokäyrään), juuri tämä on tarkistettava.
Vastaa
Ensin piirtämäsi käyrä ei ole etsimäsi kello.” Kellosi ”tulisi olla enemmän tällainen:
Histogrammi-piirretty-pylväskaaviona (yikes! Excel kannustaa kauheisiin asioihin) näyttää kohtuullisen lähellä sitä.
Histogrammit ovat kuitenkin ei ole kovin hyvä tapa tarkistaa jäännösten normaalisuutta .
Kuten täällä on keskusteltu, toisinaan – ja riippuen Jos valitset histogrammipalkkien sijainnin, samat arvosarjat saattavat näyttää erilaisilta kuin nämä:
Vain toistettavaksi – siinä on kaksi eri histogrammia samoista numeroista. Ytimen tiheysarviot ja vielä parempaa, QQ-käyrät (ainakin kun opit lukemaan ne) ovat merkittävästi informatiivisempia. Jos sinun on käytettävä histogrammeja, käytä paljon roskakoria ja tee enemmän kuin yksi.