Rövid bevezetés
Maradványok figyelhető meg és a becsült értékek (van) a különbség a megfigyelt érték és a tényleges érték különbsége regressziót.
Vonás
A regresszió analízis, a mért érték és az érték várható a regressziós egyenlet a különbség δ képvisel. Compliance normál maradék δ N (0, σ2). (Δ-maradék átlag) / szórás a maradékok, az úgynevezett egységes maradványok kifejezett δ *. δ * megfelel a standard normális eloszlás N (0,1). Kísérleti helyek szabványosított maradvány bukása (-2,2) intervallumon kívül valószínűség ≤ 0,05. Ha egységes maradék esik kísérleti pontokat (-2,2) intervallumon kívül 95%-os megbízhatósági szint lehet megítélni a kóros kísérleti pontokat illeszkedő regressziós egyenest nem vesz részt.Nyilvánvaló, hogy a számot az adatok, van, hogy sok reziduumok. Maradék elemzést, amelyet a maradék információk megbízhatóságát az adatok elemzését, időszakos vagy más beavatkozás.
Elemzés
"Maradványok", amely tartalmazza az alapvető feltételezések a modell fontos információt, ha regressziós modell helyes, akkor mi is, mint a fennmaradó hiba iieyy =-iieiε megfigyelések, meg kell felelniük a feltételezések a modell, és hiba iε Egyes vonások. az információ rendelkezésre maradékok vizsgálata ésszerűségének feltételezések és az adatok megbízhatóságát úgynevezett reziduális analízis. maradványok számos formában, mint például a közönséges maradványok, hogy alaposabb vizsgálat önálló közötti kapcsolat változók és a függő változó, hogy bevezette a részleges maradványok. Emellett vannak olyan diákok maradékok, előrejelzés maradványok stb néhány maradványok a függőleges tengelyen, a vízszintes tengely a scatter egyéb változókat, azaz maradék térkép, amely az egyik legfontosabb maradék elemzés általában abszcissza választások három: (1) illesztett értékei a függő változó, (2) a független változó iieyy =-iy jx (1,2,, j = " ;) p, (3), amikor a megfigyelt érték a függő változó egy ideig sorozat, a megfigyelés időpontjában vagy megfigyelés abszcissza kívánatos számú maradó hiba eloszlása trend grafikonok segíthet megállapítani, hogy a lineáris modell illeszkedik, hogy megfeleljen a feltételezések maradék különbség körülbelül normális eloszlású, hogy homogén eltérés változók között vannak-e egyéb nem-lineáris kapcsolat, és hogy vannak-e jelentős független változók nem lépett be a modell, stb Ha van néhány feltételezés, hogy hiányoznak az idő, egy újabb probléma elhárításáig, vagy orvosolni . kell elemezni az adott körülmények között, hogy vizsgálja meg a megfelelő korrekciós programok, mint például a nem-lineáris feldolgozás, az új érveket, vagy megvizsgálja, hogy van hiba autokorreláció. [1]
|
