首页 > TAG信息列表 > 方差齐性
用python进行数据分析（3）——误方差齐性检验
众所周知，ols线性回归模型有一些基本假定。对残差e有以下性质 E(e) = 0 ；Var(e) = σ2(I-H) 要服从正态分布 且第i 个残差的方差为： 称： 为标准化残差 如果画出残差图发现残差有问题就需要改进模型 误方差齐性诊断的方法： 如果在每个实验条件票房预测——回归模型、时间序列ARIMA
【回归模型】——单部电影，已知几天票房数据 1、作图，观察数据趋势 2、使用各天累计票房数据，因为数据呈现为曲线趋势，选择对数据做对数变换 3、以票房~天数做回归模型 4、显著性检验均合格，R方大于90%，拟合效果比较好。 4、观察残差图，部分点分布不随机分布，不满足方差齐性的检验，这是因为方差齐性检验python实现
方差齐性 在方差分析有一个重要的前提叫方差齐性 先讲讲什么是方差齐性，方差齐性是指不同组间的总体方差是一样的。那为什么方差分析的前提是要组间的总体方差保持一致呢？先想想方差分析是做什么呢？方差分析是用来比较多组之间均值是否存在显著差异。那如果方差不一致，也就意味着R语言统计与绘图：正态、方差齐性、多重比较
R中检验正态分布的方法： （1）Kolmogorov–Smirnov test：ks.test(x,y,…)函数 （2）Anderson–Darling test ：ad.test(x)函数 （3）Shapiro-Wilk test：shapiro.test(x) 函数。适用于小样本（3≤n≤50） （4）Lilliefor test：lillie.test(x)函数 R中检验方差齐性的方法： （1）Bartlett test: 数据符合正态