Linearna regresija sam po sebi ne treba normalnu (gausovu) pretpostavku, procjene se mogu izračunati (po linearnim najmanjim kvadratima) bez potrebe za takvom pretpostavkom i čini savršenim smisla bez toga. … U praksi, naravno, normalna distribucija je najviše zgodna fikcija.
Je li za regresiju potrebna normalnost?
Regresija samo pretpostavlja normalnost za varijablu ishoda. Nenormalnost u prediktorima MOŽE stvoriti nelinearni odnos između njih i y, ali to je zasebno pitanje. … Pristajanje ne zahtijeva normalnost.
Možete li koristiti linearnu regresiju ako podaci nisu normalno raspoređeni?
Ukratko, kada varijabla ovisna nije normalno distribuirana, linearna regresija ostaje statistički pouzdana tehnika u studijama velikih uzoraka. Slika 2 daje odgovarajuće veličine uzorka (tj. >3000) gdje se tehnike linearne regresije još uvijek mogu koristiti čak i ako se povrijedi pretpostavka normalnosti.
Što se događa ako podaci nisu normalno distribuirani?
Nedovoljni podaci mogu prouzročiti da normalna distribucija izgleda potpuno raspršena Na primjer, rezultati testa u učionici obično su normalno raspoređeni. Ekstremni primjer: ako odaberete tri nasumična učenika i ucrtate rezultate na graf, nećete dobiti normalnu distribuciju.
Kako znati da podaci nisu normalno distribuirani?
Ako promatrani podaci savršeno slijede normalnu distribuciju, vrijednost KS statistike bit će 0 P-vrijednost se koristi za odlučivanje je li razlika dovoljno velika da se odbije nulta hipoteza: … ako je P-vrijednost KS testa manja od 0.05, ne pretpostavljamo normalnu distribuciju.