回归分析2.pptVIP

12.4 残差分析 残差序列的正态性分析 残差序列的随机性分析 残差序列的独立性分析 奇异值诊断 异方差诊断 残差序列的正态性分析： 通过绘制标准化残差序列的带正态曲线的直方图或累计概率图来分析，确定残差是否接近正态 Analyze-regression-linear Plot子对话框中选Histogram或p-p图 残差分析： 1、回归函数的线性假设的合理性 2、误差项等方差假设的合理性 3、误差项独立性假设的合理性 4、误差项正态分布假定的可行性 5、观测值中是否有异常值存在 6、是否在收集数据或模型拟合中遗漏了某些重要的自变量 残差序列的随机性分析： 可以绘制残差序列和对应的预测值序列的散点图。如果残差序列是随机的，那么残差序列应与预测值序列无关，残差序列点将随机地分布在经过零的一条直线上下。 在线性回归Plots对话框中的源变量表中，选择SRESID（学生氏残差）做Y轴，选ZPRED（标准化预测值）做X轴 样本奇异值的诊断： 样本奇异值是样本数据中那些远离均值的样本数据点。它们会对回归方程的拟合产生较大偏差影响。 一般认为，如果某样本点对应的标准化残差的值超出了-3—+3的范围，就可以判定该样本数据为奇异值。 Analyze-regression-statistics-case diagnostics 异方差诊断： 12.5 逐步回归 在多元线性