R 正态性检验:正态概率图

检验模型是否满足正态性假设的方法:

1.正态概率图

这是我编写的画正态概率图的函数:

1
2
3
4
5
6
7
8
9
10
11
#绘制正态概率图
plot_ZP = function(ti) #输入外部学生化残差
{
  n = length(ti)
  order = rank(ti)   #按升序排列,t(i)是第order个
  Pi = (order-1/2)/n #累积概率
  plot(ti,Pi,xlab = "学生化残差",ylab = "百分比"#画正态概率图
  #添加回归线
  fm = lm(Pi~ti)
  abline(fm)
}

 若正态概率图近似呈一条直线,认为模型是符合正态性假设的。

2.QQ正态检验图

1
2
qqnorm(d) #QQ图正态性检验
qqline(d) #添加趋势线

 d是标准化残差

   如果所有的点近似成直线,那么,残差就是正态分布的。

3.Shapiro正态性检验

1
shapiro.test(resid(fm1))
1
2
3
4
5
6
> shapiro.test(resid(fm1))
 
    Shapiro-Wilk normality test
 
data:  resid(fm1)
W = 0.97405, p-value = 0.748

 Shapiro检验的原假设是:模型服从正态分布

因为p-value>0.05 ,所以不拒绝原假设,即认为模型是符合正态性的。

 

posted @   从前有座山,山上  阅读(4086)  评论(0编辑  收藏  举报
编辑推荐:
· 智能桌面机器人:用.NET IoT库控制舵机并多方法播放表情
· Linux glibc自带哈希表的用例及性能测试
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
阅读排行:
· 手把手教你在本地部署DeepSeek R1,搭建web-ui ,建议收藏!
· 新年开篇:在本地部署DeepSeek大模型实现联网增强的AI应用
· 程序员常用高效实用工具推荐,办公效率提升利器!
· Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
· 【译】WinForms:分析一下(我用 Visual Basic 写的)
点击右上角即可分享
微信分享提示