Linearity assumption ay nilabag – may curve. Nilabag din ang pantay na pagkakaiba-iba ng pagpapalagay, ang mga nalalabi ay lumalabas sa "tatsulok" na paraan. Sa larawan sa itaas parehong linearity at equal variance assumptions ay nilalabag.
Ano ang mangyayari kung ang mga pagpapalagay ng linear regression ay nilabag?
Kung ang alinman sa mga pagpapalagay na ito ay nilabag (ibig sabihin, kung may mga nonlinear na ugnayan sa pagitan ng dependent at independent variable o ang mga error ay nagpapakita ng ugnayan, heteroscedasticity, o non-normality), pagkatapos ay ang mga hula, mga pagitan ng kumpiyansa, at ang mga siyentipikong insight na ibinubunga ng isang regression model ay maaaring (sa pinakamahusay) …
Paano mo malalaman kung nilabag ang isang pagpapalagay ng regression?
Ang mga posibleng paglabag sa pagpapalagay ay kinabibilangan ng:
- Implicit independent variable: Nawawala ang X variable sa modelo.
- Kakulangan ng kalayaan sa Y: kawalan ng kalayaan sa Y variable.
- Outliers: maliwanag na hindi normal ng ilang data point.
- Nonnormality: nonnormality ng Y variable.
- Ang pagkakaiba-iba ng Y ay hindi pare-pareho.
Anong mga pagpapalagay ang nilalabag?
a situasyon kung saan hindi natutupad ang mga teoretikal na pagpapalagay na nauugnay sa isang partikular na istatistikal o eksperimental na pamamaraan.
Ano ang mangyayari kapag hindi natugunan ang mga pagpapalagay ng linear regression?
Halimbawa, kapag hindi matugunan ang mga istatistikal na pagpapalagay para sa regression(natupad ng mananaliksik) pumili ng ibang paraan. Ang regression ay nangangailangan ng dependent variable nito na hindi bababa sa interval o ratio ng data.
