第九章 回归诊断(14年).pdfVIP

回归诊断 在前面讨论多元线性回归问题中，我们作了如下一些假定：  回归函数的线性假设： 是x , x , x 的线性函数； E(Y ) 1 2 p ,  ,  相互独立。  误差方差的独立性假设：随机误差 1 2 n 2  误差方差的齐性假设： E 0,Var  ； i i  误差的正态性假设： ,  ,  服从正态分布。 1 2 n • 在实际中这些假定是否合理？如果实际数据与这些假设偏离 比较大，那么前面讨论的有关参数的区间估计，假设检验就 不再成立。如果经过分析，已经确认对所研究的具体数据， 上面的假设不成立，那么我们又希望探讨对数据作怎样的修 正后，能使它们满足或近似满足这些假设。这些就是回归诊 断中所要解决的第一个问题。 • 回归诊断的另一个研究的问题是对数据的诊断，探查对统计 推断有较大影响的试验点，这样的点称为强影响点。 1 残差及残差图 由前面的讨论可知： ˆ ˆ 2  0, ( ) ( ) Ee Var e  I H ˆ ˆ  Cov(Y , e) 0 2 ˆ 2 e ~ N (0, (I H ))  当 时，   ~ (0,N ) I n 我们可以看出普通残差与H 之间有着密切的关系，为 此进一步讨论 的性质如下： H h ( ) ij 定理 3.1 (1) 0 h 1 ,且h 1时， 。 ii hii j i ij 0,  n (2) hii p 1, 其中p 为自变量个数。 i 1 证明：（1）因为  2 ，所以有 H H H H , n 2 2 2 2 h h h  h  h 0