Re: [問題]迴歸分析-同質變異數...搞不懂??
Nov 22nd 2014, 20:10, by dragoncfe168
作者dragoncfe168 (郭靖)
看板Examination
標題Re: [問題]迴歸分析-同質變異數...搞不懂??
時間Sat Nov 22 20:09:55 2014
※ 引述《dragoncfe168 (郭靖)》之銘言: : 標題: [問題]迴歸分析-同質變異數...搞不懂?? : 時間: Sat Nov 22 12:41:46 2014 : 請問迴歸分析中的古典假設: : 有一項:殘差的變異數是同質變異數 : : 我不懂的點..所謂的"殘差變異數皆相同" : 是指"同一個樣本點"各自的變異數相同?! : 或是"所有不同樣本點"的整體變異數相同?! : : EX: Y(支出):100 20 15 18 56 ; X(收入):12 52 40 22 90 : : Y=a+bX+e : 想法1: "殘差變異數相同"..是指當X=12時,所形成Y的常態分配下, : 所造成的許多殘差值,構成一個殘差變異數值, : 要等於X=52,40,22,90這些樣本各自的常態分配下的殘差值變異數 : : 想法2:"殘差變異數相同"..是指X樣本觀察值12,52,40,22,90 : 都會各自產生一個殘差值如:e1~e5,而這5個殘差值會算出一變異數值P, : 之後每次從母體抽樣出5個樣本..算出的殘差值變異數都等於P : : 真的想撞牆!!實在被搞得很亂...思緒混亂...請問上述想法哪個觀念正確??? : 每次看到書上,那樣本迴歸線上的每個樣本點都畫出一個常態分配圖... : 但是每個樣本點卻都只有一個殘差值.... : 而理論上又假設"殘差是同質變異"...我始終搞得很亂... : 到底你學者所謂的"同質變異"的那個變異數..是在X值固定下,還是不固定下所算的??? : (這個困惑...也同樣適用於E(e)=0的假設上...) : : 我要瘋了...請高手救命吧!謝謝! : : -- : ※ 編輯: dragoncfe168 (220.134.242.107), 11/22/2014 12:54:43 : 推 goshfju: 嚴格來說是要假設 誤差 是同質變異 11/22 13:13 : → goshfju: 藉由觀察 殘差 來看假設有沒有滿足 11/22 13:14 : → goshfju: 當然是要不同的點 才會有不同的條件母體啊 11/22 13:15 : → dragoncfe168: 不同的點?所以想法1才是對的??? 11/22 13:24 : 推 goshfju: 給定x1,...,xn下 11/22 13:27 : 推 goshfju: 會有f(E1|x1),...,f(En|xn) 不同的條件母體 11/22 13:29 : → goshfju: 其中E1,...,En是誤差 11/22 13:29 : → goshfju: 同質性假設是在假設這些條件母體變異數相等 11/22 13:30 : ※ 編輯: dragoncfe168 (220.134.242.107), 11/22/2014 18:02:19 請問一下,若在回歸分析中,標準化殘差值怎麼做?? 若照您說的觀念,無論殘差的同質變異數假設或殘差的平均值等於0, 都是指在"條件母體(樣本)"下, 不同條件母體(樣本)的變異數或平均值要符合上述假設~ 那我困惑的是..在此觀念下,標準化殘差值,該如何計算而得?? 因為實際上,樣本觀察值並非母體觀察值, 常常一個觀察值x1只有對應一個y1~ 因此在X=x1條件下,我們也只能得到一個殘差值e1,沒有其他同條件下的殘差值 可以來計算出條件殘差平均值與條件殘差變異數, 這樣子又怎麼能算出所謂"標準化殘差值"呢??? 難道標準化..不是與"條件殘差平均數"作標準化, 而是跟樣本中所有的殘差(e1...en)平均數去搞標準化??? 因為下面這張SPSS所跑出的標準化殘差圖...據說可以看出是否違反同質變異假設~ 讓我產生上述疑惑與矛盾.. http://ppt.cc/xsIM 1.標準化殘差要如何算出來??? 2.如果算不出來每個樣本殘差點的標準化數值, 這張P-P圖又是如何做出來的?? 讓我懷疑他是與樣本中,所有殘差(e1...en)平均數去搞標準化得來的~ 這樣不是很怪嗎??? 實在搞不懂......請高手大大救命..謝謝! ※ 編輯: dragoncfe168 (220.134.242.107), 11/22/2014 20:20:10This entry passed through the Full-Text RSS service - if this is your content and you're reading it on someone else's site, please read the FAQ at fivefilters.org/content-only/faq.php#publishers.
|
留言列表