《概率论与数理统计》ch9.pptVIP

* * * * * * * * * * * * 回归函数线性的诊断 误差方差齐性诊断 误差的独立性诊断 误差的正态性诊断 §4 回归诊断 * 一、回归函数线性的诊断 * * * * * * （2）模型修正 * * 模型修改后的预测值及残差 * 模型修改后的残差图 * 二、误差方差齐性诊断 * * * * （2）模型修正 如果发现线性假设是不适合, 那么就需要修改模型. 在目前的回归分析的知识水平下, 不一定能很好地修改误差方差不相等这类模型, 但可以尝试响应变量的数据变换。 * 用变换后的数据, 求出线性回归方程, 求出残差, 并画出以拟合值为横座标的残差图, 如果这里残差图已经没有任何规律, 那么说明这种变换是适合的. * * 三、误差的独立性诊断 在不少有关时间问题中，观测值往往呈相关的趋势。如河流的水位总有一个变化过程，当一场暴雨使河流水位上涨后往往需要几天才能使水位降低，因而当我们逐日测定河流最高水位时，相邻两天的观测间就不一定独立。 * (1)模型诊断 常用的残差图是以“时间”或“序号”为横座标的残差图. 相关性大约有二类. * 一类是正相关, 随机误差之间具有正相关的话,那么残差图中残差“符号”会出现“集团性”的趋势,即连续有一段时间内残差均为 “正号”, 然后又一段时间内残差均为“负号” 另一类是负相关, 此时,残差的符号改变非常频繁,大致有正