Regresioni linear në vetvete nuk ka nevojë për supozimin normal (gaussian), vlerësuesit mund të llogariten (me katrorët më të vegjël linearë) pa ndonjë nevojë për një supozim të tillë, dhe i bën të përsosur kuptim pa të. … Në praktikë, sigurisht, shpërndarja normale është më së shumti një trillim i përshtatshëm.
A kërkohet normaliteti për regresion?
Regresioni supozon normalitet vetëm për variablin e rezultatit. Jo-normaliteti në parashikuesit MUND të krijojë një marrëdhënie jolineare midis tyre dhe y, por kjo është një çështje më vete. … Përshtatja nuk kërkon normalitet.
A mund të përdorni regresion linear nëse të dhënat nuk shpërndahen normalisht?
Me pak fjalë, kur një ndryshore e varur nuk shpërndahet normalisht, regresioni linear mbetet një teknikë statistikisht e qëndrueshme në studimet e madhësive të mëdha të mostrës. Figura 2 ofron madhësitë e përshtatshme të mostrës (d.m.th., >3000) ku teknikat e regresionit linear mund të përdoren ende edhe nëse supozimi i normalitetit shkelet.
Çfarë ndodh nëse të dhënat nuk shpërndahen normalisht?
Të dhënat e pamjaftueshme mund të të bëjnë që një shpërndarje normale të duket plotësisht e shpërndarë Për shembull, rezultatet e testit në klasë zakonisht shpërndahen normalisht. Një shembull ekstrem: nëse zgjidhni tre studentë të rastësishëm dhe vizatoni rezultatet në një grafik, nuk do të merrni një shpërndarje normale.
Si e dini nëse të dhënat nuk shpërndahen normalisht?
Nëse të dhënat e vëzhguara ndjekin në mënyrë të përsosur një shpërndarje normale, vlera e statistikës KS do të jetë 0 Vlera P përdoret për të vendosur nëse diferenca është mjaft e madhe për të refuzuar hipoteza zero: … Nëse vlera P e testit KS është më e vogël se 0.05, ne nuk supozojmë një shpërndarje normale.
