诊断与矫正之测量.PDF

第 3 章 3 診斷與矯正之測量 Diagnostics and Remedial Measures 本章內容 • 當簡單線性迴歸模型（ 2.1 ）被引用時，通常無法事前即 正確判斷該模型是否合適 ，如線性或誤差項之常態分配 性等 • 因此，對模型進行推論之前，應該先檢查 一些有關於資 料是否合適於模型之問題。 • 對於一些模型中常見的適當性問題 ，透過圖形與正式的 檢定方法 來進行討論，同時也將介紹一些有關於資料不 合適於模型下的 矯正方法 。 • 本章基本上雖然是以簡單線性迴歸模型（2.1）作為對 象，但是其基本原則仍然可以適用到整本書中所討論的 全部模型。 3.1 預測變數的診斷 Diagnostics for Predictor Variable 透過預測變數之圖形診斷 ，該診斷訊息可以提供有關於離群的 X值對所配適之迴歸直線之影響 ，同時研究該圖形 X水準之 全 距與集中程度 ，將有助於迴歸分析的適用範圍確認。 圖 3.1a是圖 1.10 Toluca公司 案例中有關批量的點圖（ dot plot ） ，對於觀測值不多的情 形下相當有用，圖3.1a的點 圖顯示 批量X的最小值與最 大值分別為20與120 ，亦即批 量之大小均在此一範圍內， ＊可利用EXCEL繪出直方圖 同時並 無離群值的情形發生 第二種有關預測變數 之圖形診斷工具為順 序圖（sequence plot ） ，圖 3.1b是 Toluca公司案例中有 關批量的時間順序 圖。 將圖中各個觀測點連 接起來可以更清楚地 顯示時間順序。如果 有順序性的產生可以 利用順序圖以提供診 斷訊息 。 ＊可利用EXCEL繪出順序圖 圖 3.1c 為 莖葉圖（stem-and-leaf plot ） ，提供了與 次數直方 圖相同之訊息 ，圖形特別標示出中位數（ M ）以及第一四 分位數與第三四分位數（H ）的位置 。 圖 3.1d的 盒型圖（ box plot ）顯示 最大批量、最小批量、批 量的第一四分位數、批量的第三四分位數與批量的中位數 ， 圖中可以看出一半的批量資料介於 50至90之間，而相當對稱 於中位數，盒型圖對於大量的觀測值時特別有用。 ＊可利用EXCEL繪出直方圖 3.2 殘差 Residuals 直接對於反應變數Y畫出診斷圖，其實對於迴歸分析之診斷 幫助不大，因為反應變數之觀測值將受到預測變數水準高 低之影響 ，因此對於反應變數Y之診斷，通常是間接經由殘 差分析達成 。 在定義 (1.16)中， 殘差 e是觀測值 Y 與配適值之間的差 ： i i (3.1) 殘差可以被視為觀測誤差 ，而迴歸模型中未知的真實誤差 則是： (3.2) 在迴歸模型 (2.1)中誤差項假定誤差項 ε假定為獨立之常態 i 隨機變數平均數為 0 ，變異數為常數 ，如果資料滿足模型 之假設，則殘差 e 應該會反映出誤差項 ε的性質，這就是 i i 殘差分析(residual analysis)的基本想法，也是一種用來檢驗 統計模型之適當性的有效方法。 殘差之性質 • 平均數 在簡單線性迴歸模型 (2.1)中， n個殘差 e的 平均數可以透過