단 변량 및 이산 시계열을 연구하고 있습니다. 잔차가 효과적으로 랜덤하고 잘 맞아야하며 종 모양이어야한다는 것을 알고 있습니다.
아래 그림은 잔차가 효과적으로 있음을 시사합니까? 무작위?
댓글
- @Marco 사이트에 오신 것을 환영합니다. 나는 당신이 무엇을 요구하고 있는지 전혀 모릅니다. 질문을 명확히 할 수 있습니까?
- 감사합니다. 고전적인 접근 방식으로 시계열을 연구하고 있습니다. 누군가이 그래픽을 설명하고이 그래픽이 잔차를 효과적으로 무작위로 설명하는지 알려주세요.
- 그래프의 y (수직) 축이 나타내는 것은 무엇입니까 ' ?
- 잔차가 어떻게 분포되어 있는지 살펴 보는 것이 좋습니다. 그러나이 히스토그램은 명백한 " 무작위성에 대해 거의 알려주지 않습니다. "이를 위해 비교 종속 변수 및 피팅에 포함되지 않았을 수있는 기타 변수를 포함하여 보유한 다른 데이터에 대한 잔차. 잔차가 다른 모든 변수에 대해 독립적으로 보이길 원합니다.
- whuber '의 유용한 댓글 외에도 시도 할 수있는 한 가지 방법 잔차에서 비 랜덤 패턴을 배제하는 것은 종속 변수 또는 예측 값 (가로 축)에 대해 잔차 (수직 축)의 산점도를 생성하는 것입니다. 이상적으로는 왼쪽에서 오른쪽으로 이동할 때 평균 또는 변동이 체계적으로 증가하거나 감소하지 않습니다.
답변
CrossValidated에 오신 것을 환영합니다, Marco!
정확히 이해했다면 LSE (Least Squares Estimator) 를 회귀 문제. 효과적으로 작동하기 위해 LSE에는 실제로 정규 분포 잔차가 필요합니다. 이를 확인하는 좋은 방법은 소위 Q-Q 플롯 을 살펴 보는 것입니다. 획득 한 잔차와 이론적 정규 분위수의 분위수를 그립니다. QQ 플롯에서 어떤 것이 선으로 보이면-완료된 것입니다-정규성 가정이 충족 된 것입니다.
하지만 조심하시기 바랍니다. LSE에 필요한 다른 가정도 확인해야합니다. : 잔차의 독립성 및 동질성 .
도움이되기를 바랍니다!
댓글
- 선형 회귀에는 일반 오류가 필요합니까 ??
- @kirk, 선형 회귀 자체는 아니지만 선형 회귀에 대한 최소 제곱 추정량은 가우스 오류가있는 최대 가능성 추정량과 동일합니다. 이것이 ' 오류가 정상적으로 배포되어야한다고 가정하는 이유입니다. 그리고 질문 (종 곡선에 대한 참조)에서 알 수 있듯이 이것이 정확히 확인해야하는 내용입니다.
답변
먼저 그린 곡선은 찾고있는 종이 아닙니다.”종 “은 다음과 비슷해야합니다.
막 대형 차트로 그린 히스토그램 (이크 스! 엑셀은 끔찍한 일을 장려합니다)이 그와 상당히 비슷해 보입니다.
그러나 히스토그램은 잔차의 정규성을 확인하는 아주 좋은 방법이 아닙니다 .
여기 에서 논의한 바와 같이 때때로 히스토그램 막대의 위치를 선택하면 동일한 값 집합 이 다음과 같이 다르게 보일 수 있습니다.
반복합니다. “동일한 숫자의 두 가지 히스토그램입니다. 커널 밀도 추정치와 더 좋은 점은 QQ 플롯 (최소한 읽는 방법을 배우면)이 훨씬 더 많은 정보를 제공한다는 것입니다. 히스토그램을 사용해야하는 경우 빈을 많이 사용하고 두 개 이상을 수행하십시오.