残差复合正态分布的重要性
如果结果残差不是正态分布 说明用线性回归来拟合数据是不合适的
可能是非线性回归
这里的类是对应因变量的取值 如果是连续型的那就只有一类 销售量
如果是离散型的那就有几类就假设几类 黑白球
当总体只有一类的时候 我们假设符合正态分布
如果有两类假设符合二项分布
论线性回归中残差图的重要性
</h1><div class="clear"></div><div class="postBody">
Y1 X1 Y2 X2 Y3 X3 Y4 X4 8.04 10 9.14 10 7.46 10 6.58 8 6.95 8 8.14 8 6.77 8 5.76 8 7.58 13 8.74 13 12.74 13 7.71 8 8.81 9 8.77 9 7.11 9 8.84 8 8.33 11 9.26 11 7.81 11 8.47 8 9.96 14 8.1 14 8.84 14 7.04 8 7.24 6 6.13 6 6.08 6 5.25 8 4.26 4 3.1 4 5.39 4 12.5 19 10.84 12 9.13 12 8.15 12 5.56 8 4.82 7 7.26 7 6.42 7 7.91 8 5.68 5 4.74 5 5.73 5 6.89 8
数据集如上,用sas读入后再做简单线性回归,四个回归的模型都一样,残差平方和,负相关系数也一样
那么,是不是可以说这四组数据拟合的模型都正确呢?
我们画出其各自的散点图,如下
很明显,只有左上方的图才有用线性模型描述的可能性,其他的模型都不适合。
OK~,这里是简单线性模型,只有一个自变量,如果上升到多个自变量时,无法用肉眼从图形判别的我们该做什么呢?
这就是残差图大展身手的地方了(这里只选取残差和因变量进行作图)
proc reg data=regbook.anscombefour;model y1= x1;plot r.*p.;model y2= x2;plot r.*p.;model y3= x3;plot r.*p.;model y1= x1;plot r.*p.; run; quit;
因为在这里不清楚如何用sas组合四幅图,所以就没贴出来,如果是线性模型,那么残差应该符合正态分布的假设,所以残差应该围绕0上下无规律波动,如下(y1*x1的残差图)
如果不是这种形状,就表明拟合的模型有问题,同理,残差和自变量在线性假设中也是独立的,也可以拿来进行检验。
<div id="blog_post_info">
<div class="clear"></div>
<div id="post_next_prev"><a href="https://www.cnblogs.com/yican/p/4181086.html" class="p_n_p_prefix">« </a> 上一篇: <a href="https://www.cnblogs.com/yican/p/4181086.html" title="发布于 2014-12-25 15:35">sas回归分析</a>
<br>
<a href="https://www.cnblogs.com/yican/p/4206743.html" class="p_n_p_prefix">» </a> 下一篇: <a href="https://www.cnblogs.com/yican/p/4206743.html" title="发布于 2015-01-06 19:04">最小二乘参数估计---梯度下降法求解参数的sas代码实现</a>
· 4000亿蝗虫肆虐印巴 农业农村部:对我国危害几率很小
· 谷歌Pixel历代回顾:“Google手机”的演变
· NASA 揭示了 4 个发现太阳系秘密的新任务
· 台积电7/6/5nm工艺供不应求 史上最高开支狂买EUV光刻机
· 正被避之不及的“毒王”蝙蝠,也曾给过科学家不少灵感
» 更多新闻...
<div id="sideBar"><div id="sideBarMain">
<div id="profile_block">昵称:<a href="https://home.cnblogs.com/u/yican/">暴走的豆浆</a><br>园龄:<a href="https://home.cnblogs.com/u/yican/" title="入园时间:2013-08-27">6年5个月</a><br>粉丝:<a href="https://home.cnblogs.com/u/yican/followers/">23</a><br>关注:<a href="https://home.cnblogs.com/u/yican/followees/">2</a><div id="p_b_follow">
+加关注
<div id="calendar"><div id="blog-calendar" style="">
|
|||||||||
日 | 一 | 二 | 三 | 四 | 五 | 六 | |||
---|---|---|---|---|---|---|---|---|---|
26 | 27 | 28 | 29 | 30 | 31 | 1 | |||
2 | 3 | 4 | 5 | 6 | 7 | 8 | |||
9 | 10 | 11 | 12 | 13 | 14 | 15 | |||
16 | 17 | 18 | 19 | 20 | 21 | 22 | |||
23 | 24 | 25 | 26 | 27 | 28 | 29 | |||
1 | 2 | 3 | 4 | 5 | 6 | 7 |
常用链接
我的随笔
我的评论
我的参与
最新评论
我的标签
</ul>
我的标签
<li><a href="https://www.cnblogs.com/yican/tag/Linux/">Linux</a>(5)</li><li><a href="https://www.cnblogs.com/yican/tag/matlab/">matlab</a>(5)</li><li><a href="https://www.cnblogs.com/yican/tag/C%2B%2B/">C++</a>(3)</li><li><a href="https://www.cnblogs.com/yican/tag/sas/">sas</a>(3)</li><li><a href="https://www.cnblogs.com/yican/tag/statistical/">statistical</a>(1)</li><li><a href="https://www.cnblogs.com/yican/tag/Ujmp%20Java%20Matrix/">Ujmp Java Matrix</a>(1)</li><li><a href="https://www.cnblogs.com/yican/tag/win32/">win32</a>(1)</li><li><a href="https://www.cnblogs.com/yican/tag/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92/">动态规划</a>(1)</li><li><a href="https://www.cnblogs.com/yican/tag/format/">format</a>(1)</li><li><a href="https://www.cnblogs.com/yican/tag/Gradle%20Java/">Gradle Java</a>(1)</li><li><a href="https://www.cnblogs.com/yican/tag/">更多</a></li></ul>
随笔分类
</h3><ul><li>
Algorithm(4)
</li><li>
C++/C(13)
</li><li>
Game(6)
</li><li>
Java(12)
</li><li>
java_matlab_sas_R混合(8)
</li><li>
Linux(2)
</li><li>
ppt
</li><li>
R(4)
</li><li>
sas(29)
</li><li>
SAS_FUNCTIONS_UNIVERSAL
</li><li>
SAS_GRAPHIC
</li><li>
SAS_MACRO(5)
</li><li>
SAS_PROCEDURE(1)
</li><li>
SAS_STATEMENT_UNIVERSAL
</li><li>
sas数据分析(6)
</li><li>
Weka(2)
</li><li>
公式论证与编程实现(3)
</li></ul></div><div class="catListPostArchive"><h3 class="catListTitle">
随笔档案
</h3><ul><li>
2015年8月(2)
</li><li>
2015年7月(11)
</li><li>
2015年6月(4)
</li><li>
2015年5月(2)
</li><li>
2015年3月(2)
</li><li>
2015年1月(8)
</li><li>
2014年12月(9)
</li><li>
2014年11月(16)
</li><li>
2014年8月(11)
</li><li>
2014年7月(2)
</li><li>
2014年6月(10)
</li><li>
2014年5月(4)
</li><li>
2014年3月(5)
</li><li>
2013年9月(8)
</li></ul></div>
阅读排行榜
- 1. sas赋值语句,累加语句,keep,drop,rename,(retain/sum statement)(20916)
- 2. sas中的sql(4) 多表操作,内连接,外连接(left | right | full/join),In-Line Views,Merge&Join的比较(14259)
- 3. sas输入输出数据的相关语句 output、 put、 remove、replace 、file 、infile(13165)
- 4. sas条件判断语句where,if的区别,以及where选项(11458)
- 5. sas宏(1)、系统宏变量、自定义宏变量、输出宏变量值、宏与text结合(10142)
评论排行榜
- 1. R与JAVA的混合编程(1)
- 2. C++数组和指针(1)
推荐排行榜
- 1. sas条件判断语句where,if的区别,以及where选项(2)
- 2. sas中的sql(6)创建表格、展现表格、插入行、删除行、规定限制条件(constriants)、处理输入错误(undo策略)、update表格、更改列(1)
- 3. sas回归分析(1)
- 4. R与JAVA的混合编程(1)
- 5. sas高级编程(3)format过程,管理format、永久使用format给指定variable、控制format搜索顺序、fmterr、利用数据集创建format,由format创建数据集、制表过程(1)
残差复合正态分布的重要性相关推荐
- 什么是高/低方差、高/低偏差、(推荐阅读)
2021071 https://www.pianshen.com/article/71161696005/ 方差是对多个样本集的比较而言? 摘要:在现实任务中,我们往往有多种学习算法可供选择,甚至对同 ...
- RPC远程调用通俗理解
先从一个案例来讲RPC(文章来自程序人生微信号) 查看全文 http://www.taodudu.cc/news/show-64152.html 相关文章: linux下yum错误:[Errno 14 ...
- 笔记本电脑的有线和无线网络同时使用,如何设置?
笔记本电脑的有线和无线网络同时使用,如何设置? 查看全文 http://www.taodudu.cc/news/show-64160.html 相关文章: transformer bert seq2s ...
- 入门指南目录页 -PaddlePaddle 飞桨 入门指南 FAQ合集-深度学习问题
入门指南目录页 -PaddlePaddle 飞桨 入门指南 FAQ合集 GT_Zhang关注 0.1012019.08.01 18:43:34字数 1,874阅读 795 Hi,欢迎各位来自Paddl ...
- 未授予用户在此计算机上的请求登陆类型处理办法
未授予用户在此计算机上的请求登陆类型处理办法 听语音 原创 | 浏览:62154 | 更新:2013-08-23 15:21 | 标签:计算机 返回 暂停 重播 播放 x <div class= ...
- 独家 | 手把手教你用R语言做回归后的残差分析(附代码)
作者:Abhijit Telang 翻译:张睿毅 校对:丁楠雅 本文约2600字,建议阅读10分钟. 本文介绍了做残差分析的方法及其重要性,以及利用R语言实现残差分析. 在这篇文章中,我们通过探索残差 ...
- r语言中残差与回归值的残差图_独家 | 手把手教你用R语言做回归后的残差分析(附代码)-阿里云开发者社区...
作者:Abhijit Telang 翻译:张睿毅 校对:丁楠雅 文章来源:微信公众号 数据派THU 本文介绍了做残差分析的方法及其重要性,以及利用R语言实现残差分析. 在这篇文章中,我们通过探索残差分 ...
- r语言做断轴_手把手教你用R语言做回归后的残差分析
本文介绍了做残差分析的方法及其重要性,以及利用R语言实现残差分析. 在这篇文章中,我们通过探索残差分析和用R可视化结果,深入研究了R语言. 残差本质上是当一个给定的模型(在文中是线性回归)不完全符合给 ...
- r语言中残差与回归值的残差图_R语言逻辑回归、方差分析、伪R平方分析
原标题:R语言逻辑回归.方差分析.伪R平方分析 原文链接:http://tecdat.cn/?p=9589 目录 怎么做测试 假设条件 并非所有比例或计数都适用于逻辑回归分析 过度分散 伪R平方 测试 ...
最新文章
- 替换Android自带apk【转】
- 函数 单片机glint_GL 库函数
- 算法学习总结(三):插入排序
- mesageflow 集成spider 开发思路 手稿
- ajax乱码解决汇总
- 华北计算机研究所分房,请教公安部第一研究所这样分房合理吗??
- 快速接入 Android BLE 开发的基础框架
- 微课|玩转Python轻松过二级(3.1节):列表推导式与切片
- DevOps使用教程 华为云(1)用Scrum框架 新建项目
- 工厂模式 接口 封装 实例
- html5 mature,Deep Dive into “HTML5”
- 传统ADC主要指标:SFDR、SNR、SNDR、ENOB
- 如何快速进行十进制二进制转换
- 360极速浏览器查看保存密码的操作步骤
- linux获取笔记本摄像头视频,Linux下利用Opencv打开笔记本摄像头问题
- 四面楚歌,商汤科技该如何在AI领域破局
- 周边pd是什么意思_偶像练习生张艺兴张pd是什么意思
- Python数据可视化-Pyecharts不同的主题风格
- **Matlab中CLF的使用**
- .jar will not be exported or published.Runtime ClassNotFoundExceptions may result.
热门文章
- golang通过RSA算法生成token,go从配置文件中注入密钥文件,go从文件中读取密钥文件,go RSA算法下token生成与解析;go java token共用
- 一图了解git常用开源许可证书
- 微信公众号为指定openid用户推送消息
- 伍六七带你学算法——被忽视的数学公式
- 三层交换机原理:02怎么用三层交换机?
- nn.moduleList 和Sequential由来、用法和实例 —— 写网络模型
- 时间统计%time和%timeit_python
- LeetCode简单题之字符串中的最大奇数
- LeetCode简单题之反转单词前缀
- 超轻量AI引擎MindSpore Lite
【推荐】开发者上云福利,腾讯云1核4G云服务器11元/月起
【推荐】开年盛典,百度智能云1核1G云服务器84元/年
【推荐】阿里专家五年方法论总结!技术人如何实现职业突破?
【推荐】精品问答:微服务架构 Spring 核心知识 50 问
· 【线性回归】线性回归模型中几个参数的解释
· 从统计学看线性回归(2)——一元线性回归方程的显著性检验
· SPSS19.0实战之多元线性回归
· SPSS--回归-多元线性回归模型案例解析
· R语言解读一元线性回归模型
» 更多推荐...