Допущения о линейных моделях и что делать, если остатки не распределены нормально

22

Я немного запутался в предположениях о линейной регрессии.

До сих пор я проверял:

все объясняющие переменные линейно коррелировали с переменной отклика. (Это было так)
была какая-то коллинеарность среди объясняющих переменных. (была небольшая коллинеарность).
расстояния Кука точек данных моей модели ниже 1 (в этом случае все расстояния ниже 0,4, поэтому нет точек влияния).
остатки обычно распределяются. (это может быть не так)

Но тогда я прочитал следующее:

Нарушения нормальности часто возникают либо потому, что (а) распределения зависимых и / или независимых переменных сами по себе существенно ненормальны, и / или (б) предположение о линейности нарушается.

Вопрос 1 Это звучит так, как будто независимые и зависимые переменные должны быть нормально распределены, но, насколько я знаю, это не так. Моя зависимая переменная, а также одна из моих независимых переменных обычно не распределены. Должны ли они быть?

Вопрос 2 Мой QQнормальный график остатков выглядит следующим образом:

Это немного отличается от нормального распределения и shapiro.testтакже отвергает нулевую гипотезу, что остатки от нормального распределения:

> shapiro.test(residuals(lmresult))
W = 0.9171, p-value = 3.618e-06

Остатки от подгоночных значений выглядят так:

Что я могу сделать, если мои остатки не распределяются нормально? Значит ли это, что линейная модель совершенно бесполезна?

linear-model residuals assumptions normality-assumption Стефан
источник

3

Ваше отношение остатков к построенному графику предполагает, что ваша зависимая переменная имеет нижнюю границу. Это может привести к появлению шаблонов, которые вы видите. Это может дать вам указания на альтернативные модели, которые вы могли бы рассмотреть.

Мартен Буис

25

Прежде всего, я бы взял себе копию этой классической и доступной статьи и прочел ее: Anscombe FJ. (1973) Графики в статистическом анализе . Американский статистик . 27: 17-21.

На ваши вопросы:

Ответ 1: ни зависимая, ни независимая переменная не должны быть нормально распределены. На самом деле они могут иметь все виды циклических распределений. Нормальность предположение относится к распределению ошибок ( $Y_{i} - \hat{Y}_{i}$ ).

Ответ 2: Вы на самом деле спрашиваете о двух отдельных допущениях регрессии обычных наименьших квадратов (OLS):

$Y$ $X$ $y = a +bx$ $a$ $y$ $b$ $Y$ $X$ $Y$ $X$ $X$ $Y \sim X + X^{2}$ $Y \sim X + \max{(X-\theta,0)}$ $\theta$ $Y$ $X$
Другим является предположение о нормально распределенных остатках. Иногда можно сойти с рук с ненормальными остатками в контексте OLS; см., например, Lumley T, Emerson S. (2002) Значение допущения нормальности в больших наборах данных общественного здравоохранения . Ежегодный обзор общественного здравоохранения . 23: 151-69. Иногда это невозможно (опять же, см. Статью Anscombe).

Тем не менее, я бы рекомендовал думать о допущениях в OLS не столько как о желательных свойствах ваших данных, сколько об интересных отправных точках для описания природы. В конце концов, большая часть того, что нас волнует в мире, более интересна, чем $y$

Alexis
источник

2

Благодарность! В слайдах курса по статистике говорится, что если допущения не выполняются, вы можете попытаться преобразовать Y или преобразовать объясняющие переменные. Когда я преобразую Y, выполнив, например, lm (Y ^ 0.3 ~ + X1 + X2 + ...), мои остатки станут нормально распределенными. Это действительная вещь?

Стефан,

@ Стефан Да! Преобразование ответа часто - хорошая вещь, logи простые преобразования власти распространены.

Грегор

Var (f (x) \neq f (Var (x))

$\text{Var}(f(x) \ne f(\text{Var}(x))$

\ln Y = β_{0} + β_{X} X + ε

$\ln Y =\beta_{0} + \beta_{X}X + \varepsilon$

β_{X}

$\beta_{X}$

e^{β_{X}}

$e^{\beta_{X}}$

β_{X}

$\beta_{X}$

e^{CI β_{X}}

$e^{\text{CI}\beta_{X}}$

@Alexis: Почему на этих страницах написано, что переменные должны быть нормально распределены? (1) pareonline.net/getvn.asp?n=2&v=8 (2) statisticsssolutions.com/…

stackoverflowuser2010

7

Y = β_{0} + β_{X} X + ε

$Y = \beta_{0} + \beta_{X}X + \varepsilon$

ε \sim N (0, σ)

$\varepsilon \sim \mathcal{N}(0,\sigma)$

Y = 3 + 0.5 \times X + N (0, 1)

$Y = 3 + 0.5\times X + \mathcal{N}(0,1)$

Y

$Y$

X

$X$

β_{0} \approx 3, β_{X} \approx 0.5

$\beta_{0}\approx 3, \beta_{X}\approx 0.5$

X

$X$

Y

$Y$

11

Ваши первые проблемы

несмотря на ваши заверения, остаточный график показывает, что условный ожидаемый отклик не является линейным по подобранным значениям; модель для среднего неверна.
у вас нет постоянной дисперсии. Модель для отклонения неверна.

Вы даже не можете оценить нормальность с этими проблемами там.

Glen_b - Восстановить Монику
источник

Пожалуйста, опишите, как вы пришли к выводу о линейности, посмотрев на графики? Я понимаю, что предположение о гомоскедастичности здесь не выполняется.

Доктор Ниша Арора

\hat{y}

$\hat{y}$

\hat{y} = 30

$\hat{y}=30$

0

$0$

60

$60$

< 0

$<0$

0 - 30

$0-30$

30 - 60

$30-60$

> 60

$>60$ ), нарисуйте лучшую оценку прямой линии. Для меня средние два почти совпадают, поэтому я объединил их линии, давая что-то вроде этого

Glen_b -Reinstate Monica

В средней половине почти все остатки отрицательны, во внешних частях почти все остатки положительны. Это не то, как выглядят случайные остатки.

Glen_b

Спасибо, @Glen_b. После долгого перерыва я пересматриваю свои концепции, поэтому не могу визуализировать с самого начала.

Доктор Ниша Арора

Хотя здесь не так много, я ожидаю, что исходные данные неотрицательны, и более подходящим выбором будет либо обобщенная линейная модель (возможно, гамма с лог-связью), либо преобразование (вероятно, лог-преобразование). ,

Glen_b

3

Я бы не сказал, что линейная модель совершенно бесполезна. Однако это означает, что ваша модель не правильно / полностью не объясняет ваши данные. Есть часть, где вы должны решить, является ли модель «достаточно хорошей» или нет.

Что касается вашего первого вопроса, я не думаю, что модель линейной регрессии предполагает, что ваши зависимые и независимые переменные должны быть нормальными. Тем не менее, есть предположение о нормальности остатков.

Для вашего второго вопроса, есть две разные вещи, которые вы могли бы рассмотреть:

Проверьте различные виды моделей. Другая модель может быть лучше для объяснения ваших данных (например, нелинейная регрессия и т. Д.). Вам все равно придется проверить, что предположения этой «новой модели» не нарушены.
Ваши данные могут не содержать достаточно ковариат (зависимых переменных), чтобы объяснить ответ (результат). В этом случае вы не можете больше ничего делать. Иногда мы можем согласиться проверить, соответствуют ли остатки другим распределениям (например, t-распределению), но, похоже, это не относится к вам.

В дополнение к вашему вопросу, я вижу, что ваш QQPlot не "нормализован". Обычно легче посмотреть на график, когда ваши остатки стандартизированы, см. Stdres .

stdres(lmobject)

Я надеюсь, что это поможет вам, может быть, кто-то еще объяснит это лучше меня.

Жюльен Д.
источник

0

В дополнение к предыдущему ответу я хотел бы добавить несколько моментов для улучшения вашей модели:

Иногда ненормальность остатков указывает на наличие выбросов. Если это так, сначала обработайте выбросы.
Может быть, с помощью некоторых преобразований решить цель.
Кроме того, чтобы справиться с мультиколинейностью, вы можете обратиться к https://www.researchgate.net/post/My_data_has_the_problem_of_multicolinearity_Removing_unique_variables_using_variance_inflation_factor_VIF_didnt_work_Any_solution

Доктор Ниша Арора
источник

-1

На ваш второй вопрос

Что-то, что случилось со мной на практике, было то, что я перефразировал свой ответ многими независимыми переменными. В переоборудованной модели у меня были ненормальные остатки. Несмотря на то, что результаты подтвердили, что не было доказательств того, что некоторые коэффициенты были равны нулю (при значениях р больше 0,2). Таким образом, во второй модели, отбрасывая переменные, следуя процедуре обратного выбора, я получил нормальные остатки, которые были проверены как графически с помощью qqplot, так и путем проверки гипотезы с помощью теста Шапиро-Уилка. Проверьте, может ли это быть вашим случаем.

Аяр Пако
источник

Допущения о линейных моделях и что делать, если остатки не распределены нормально

Ответы: