上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 16 下一页
摘要: 从残差图中看出来,方差不齐 从图像中看出,λ可取0,即进行对数变换 阅读全文
posted @ 2019-10-29 22:56 从前有座山,山上 阅读(585) 评论(0) 推荐(0) 编辑
摘要: 从图中看出,没有显示出明显的方差不齐的迹象 正态性检验通过 最终的回归模型: 阅读全文
posted @ 2019-10-29 21:38 从前有座山,山上 阅读(460) 评论(0) 推荐(0) 编辑
摘要: 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: 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 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 Shapiro检验的原假设是:模型服从 阅读全文
posted @ 2019-10-29 21:19 从前有座山,山上 阅读(3971) 评论(0) 推荐(0) 编辑
摘要: R语言进行DW检验: DW检验的原假设为:误差不相关! 因为dw>0.05所以不拒绝原假设,即认为误差是不相关的。 误差自相关会产生的后果: 1.参数估计量仍然是线性的、无偏的,但非有效。 2.OLS估计量的被估方差是有偏的且会被低估,因而会使相应的t值变大。 3.模型的t和F统计检验失效。 4.用 阅读全文
posted @ 2019-10-29 21:03 从前有座山,山上 阅读(10554) 评论(0) 推荐(0) 编辑
摘要: 显示西藏地区数据对应的cook统计量明显过大,不能放入建模分析中 进行正态性检验、残差分析 显示存在异方差 利用WLS修正异方差 人均教育经费数据WLS估计结果: 阅读全文
posted @ 2019-10-29 13:09 从前有座山,山上 阅读(934) 评论(0) 推荐(0) 编辑
摘要: 在高维数据分析过程中,为了筛选出与目标结局相关的变量,通常会用到回归分析,但是因为自变量较多,往往要进行多次回归。这就是统计编程语言发挥作用的时候了 有些大神们认为超过3次的复制粘贴就可以考虑使用循环了,当然个人“承受能力较强”,在分析过程中还是经常会用复制粘贴来解决相当一部分的问题。但是当变量太多 阅读全文
posted @ 2019-10-24 23:22 从前有座山,山上 阅读(16576) 评论(3) 推荐(0) 编辑
摘要: 参考博客: http://blog.sina.com.cn/s/blog_8f5b2a2e0101fmiq.html https://blog.csdn.net/huangyouyu523/article/details/78565159 阅读全文
posted @ 2019-10-24 12:08 从前有座山,山上 阅读(412) 评论(0) 推荐(0) 编辑
摘要: k = 16 #数据框的行数 z = data.frame( a = numeric(k), b = numeric(k), c = numeric(k), d = numeric(k) ) 阅读全文
posted @ 2019-10-24 11:56 从前有座山,山上 阅读(4369) 评论(0) 推荐(0) 编辑
摘要: 上图表明:外扩,方差不齐 inf列显示强影响点 阅读全文
posted @ 2019-10-23 01:13 从前有座山,山上 阅读(636) 评论(0) 推荐(0) 编辑
摘要: 其他文章用的有自己编的,一起放到这里 阅读全文
posted @ 2019-10-23 00:41 从前有座山,山上 阅读(324) 评论(0) 推荐(0) 编辑
上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 16 下一页