Hva er årsakene til Non-Normal Residualer?

In statistisk analyse, er det standard for forskere å observere restene, eller forskjeller mellom de faktiske dataene og deres modeller, i sin dataanalyse før om resultater. Dersom restene er ikke-normal, eller ikke danner en klokkeformet kurve form, er det ofte tilfelle at gjøre konklusjon ved hjelp av modellen ville være statistisk feil og uhensiktsmessig. Så når en forsker merker at residualene i sin modell er ikke normal, spør hun naturligvis hvorfor det er slik. Det finnes en rekke mulige årsaker til ikke-normale residualer, og en forsker må se på alle de muligheter til å forstå hele bildet. The Distribution
p Hvis fordelingen av de opprinnelige dataene ikke er normal, som ikke kommer fra en Gauss fordeling, så er det ekstremt sannsynlig at restene vil heller ikke være normal. Forskeren kan finne ut om dette er årsaken til ikke-normalitet av restene ved å se på de opprinnelige dataene befolkningen eller sample distribusjon. Hvis de opprinnelige dataene ikke vises normalt, kan forskeren har gjort en feil i å anta at dataene kom fra en normalfordeling før utføring av statistiske analyser. Hvis dette er tilfelle, må forskeren gjenskape en modell som står for den sanne fordelingen av befolkningen.
Feil Model Valg

å ha rester, må du først ha en modell. Dersom forskeren velger en modell som ikke er i tråd med virkeligheten, kan hun oppleve at residualene har en gjennomsnittlig langt fra null. Dette ville presse fordelingen av restene fra en standard normalfordeling.

Gjensidig avhengighet

De fleste modeller antar er de verdiene de forutser uavhengige. Det vil si, hvis modellen kjører på data som er avhengige, vil modellens forutsetningen ikke holde. Dette påvirker residualene, noe som gjør dem avhengige av hverandre. Gjensidig avhengige verdier kan ikke komme fra en normalfordeling, forklarer den ikke-normalitet av rester.
Non-konstant varians

Residualene av en modell bør ha samme varians. Hva dette betyr er at rester skal avvike fra den bety tilfeldig og uavhengig av hverandre, hvis den tredje rest underkastes en variansen til 4, og den femte, sjette, og en million residual bør ha samme varians forbundet med dem. Hvis du finner ut at variansen endrer seg når du forutsi ulike verdier, er dette sannsynligvis årsaken til den ikke-normalitet av rester.