Posted on

Regression with SAS-2

تشخیص رگرسیون

در درس قبل به چگونگی اجرای رگرسیون خطی معمولی در SAS پرداختیم، که روش‌هایی برای آزمون توزیع متغیرها و بررسی نرمال بودن توزیع متغیرها را به‌عنوان اولین پیش‌فرض رگرسیون خطی شامل می‌شد. بدون اطمینان از اینکه داده‌ها از پیش‌فرض‌های رگرسیون پیروی می‌کنند یا نه، نتایج شما می‌توانند گمراه‌کننده باشند. در این درس به روش‌هایی برای بررسی پیش‌فرض‌های رگرسیون خطی و نحوه اجرای آن‌ها در نرم‌افزار SAS می‌پردازیم به‌خصوص فرضیات ریز را ملاحظه می‌کنیم:

  • خطی بودن- رابطه بین متغیر پیشگو و پاسخ باید خطی باشد.
  • نرمالیتی- خطاها باید از توزیع نرمال پیروی کنند-درواقع نرمال بودن تنها برای اعتبار آزمون t موردنیاز است. برای برآورد ضرایب تنها استقلال و هم توزیع بودن خطاها کافی است.
  • همگنی واریانس- واریانس خطاها باید ثابت باشد.
  • استقلال- خطای یک مشاهده با خطای هیچ‌یک از مشاهدات دیگر همبسته نباشد.
  • …..

One comment Regression with SAS-2

  1. Collinearity predictors that are highly collinear, i.e. linearly related, can cause problems in estimating the regression coefficients. Many graphical methods and numerical tests have been developed over the years for regression diagnostics. In this chapter, we will explore these methods and show how to verify regression assumptions and detect potential problems using SAS.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *