进一步分析:如果发现标准化残差不符合正态分布,应进一步检查数据并考虑使用其他类型的回归模型或进行数据转换以改善拟合效果。 五、注意事项 样本量:对于小样本数据,正态P-P图的解释应更加谨慎,因为小样本数据的波动可能导致误判。 异常值:异常值可能对正态P-P图产生显著影响。在绘图前,应对数据进行适当的预处理和检查。
结果:标准化残差的正态概率图(P-P图),近似一条直线,符合正态分布。 方法二 学生化残差绘制正态QQ图 Step1:【分析】→【描述统计】→【Q-Q图】 Step2:将学生化残差SRE_1选入“变量”(注:SRE_1在上面的步骤中通过“保存”选项卡计算出来。) Step3:结果输出与解读 结果:所有点近似一条直线,学生化残差符合...
并选择右侧“保存”按钮,选中“标准化”复选框。如图1.6。 图1.6 线性回归:保存对话框 Step06:上述过程都完成之后,最后会得到4个图形,即标准化残差直方图(图1.7)、标准化残差正态P-P图(图1.8)、关于因变量的标准化残差图(图1.9)、标准化预测值图(图2.0)。 图1.7 标准化残差直方图 图1.7是一个标准化残差...
残差的直方图，主要是用来判断残差是否服从正态分布。因为经典回归模型的基本假设之一是，随机误差项服从正态分布。许多统计软件包均能打出残差图。可用它来检查回归线的异常点。在分析测试中常用的散点图是以自变量为横坐标的残差图。