Jag studerar en univariat och diskret tidsserie. Jag vet att rester ska vara slumpmässigt effektiva och ha en bra passform och bör ha en klockform.
Föreslår diagrammet nedan att resterna är effektivt slumpmässig?
Kommentarer
- Välkommen till webbplatsen, @Marco. Jag har ingen aning om vad du frågar. Kan du klargöra din fråga?
- tack. Jag studerar en tidsserie med ett klassiskt tillvägagångssätt. Jag vill att någon ska beskriva den här bilden och berätta för mig om den här bilden beskriver resterna effektivt slumpmässigt.
- Vad ' är y (vertikal) axeln i diagrammet ?
- Det är bra att se hur resterna fördelas. Detta histogram berättar dock väldigt lite om deras uppenbara " slumpmässighet. " För det måste du jämföra resterna till andra data som du har, inklusive den beroende variabeln och andra variabler som kanske inte har varit inblandade i anpassningen. Du vill att restprodukterna ska se ut oberoende av alla andra variabler.
- Förutom whuber ' s användbara kommentarer, ett sätt att försöka att utesluta icke-slumpmässiga mönster i rester är att skapa en spridningsdiagram av resterna (på den vertikala axeln) mot antingen den beroende variabeln eller de förutsagda värdena för den (på den horisontella axeln). Helst skulle man inte se någon systematisk ökning eller minskning av medelvärdet eller variationen när man flyttade från vänster till höger.
Svar
Välkommen till CrossValidated, Marco!
Om jag förstod dig rätt använder du Least Squares Estimator (LSE) för din regressionsproblem. För att fungera effektivt kräver LSE verkligen normalfördelade rester. Ett bra sätt att kontrollera detta är att titta på så kallad Q-Q-plot : du ritar kvantilerna för dina erhållna rester kontra teoretiska normala kvantiteter. Om du ser något som en linje i QQ-plot – du är klar – antagandet om normalitet uppfylls.
Men jag vill uppmuntra dig att vara försiktig, du måste också kontrollera andra antaganden som krävs för LSE : oberoende av rester och homoscedasticitet .
Hoppas att det hjälper!
Kommentarer
- Linjär regression kräver normala fel ??
- @kirk, linjär regression i sig inte, men uppskattning av minsta kvadrat för linjär regression motsvarar uppskattaren Maximal sannolikhet med gaussiska fel. Det är därför ' som antas att fel ska distribueras normalt. Och som jag får från frågan (hänvisning till klockkurva) är det precis vad som ombeds att kontrollera.
Svar
Först är kurvan du har ritat inte klockan du letar efter. Din” klocka ”borde vara mer så här:
Ditt histogramritade-som-stapeldiagram (yikes! Excel uppmuntrar fruktansvärda saker) ser ganska nära ut.
Histogram är dock inte ett särskilt bra sätt att kontrollera om det finns restmängder .
Som diskuterat här , vid tillfällen – och beroende på dina val för vart histogramstaplarna går, samma uppsättning värden kan se lika olika ut som dessa:
Bara för att upprepa – det är två olika histogram av samma siffror. Uppskattningar av kärntäthet och ännu bättre är att QQ-diagram (åtminstone när du lär dig att läsa dem) är betydligt mer informativa. Om du måste använda histogram, använd massor av soptunnor och gör mer än en.