There are quite a few types of outc

There are quite a few types of outcome variables that will never meet ordinary linear model’s assumption of normally distributed residuals. A non-normal outcome variable can have normally distribued residuals, but it does need to be continuous, unbounded, and measured on an interval or ratio scale. Categorical outcome variables clearly don’t fit this requirement, so it’s easy to see that an ordinary linear model is not appropriate. Neither do count variables. It’s less obvious, because they are measured on a ratio scale, so it’s easier to think of them as continuous, or close to it. But they’re neither continuous or unbounded, and this really affects assumptions.

ผลลัพธ์ (ไทย) 1:

มีตัวแปรผลที่จะไม่เคยพบอัสสัมชัญสามัญเชิงเส้นแบบของค่าคงเหลือปกติกระจาย ค่อนข้างไม่กี่ชนิด ตัวแปรผลปกติไม่ได้ตามปกติค่าคงเหลือ distribued แต่มันต้องมีอย่างต่อเนื่อง งที่ และวัดในระดับช่วงหรืออัตราส่วนการ ตัวแปรผลที่แน่ชัดชัดเจนไม่พอดีกับความต้องการนี้ ดังนั้นจึงเป็นเรื่องง่ายเพื่อดูว่า แบบจำลองเชิงเส้นธรรมดาไม่เหมาะสม ไม่นับจำนวนตัวแปร มันเป็นน้อยชัดเจน เพราะพวกเขาจะวัดในระดับอัตราส่วน เพื่อให้ง่ายต่อการคิดของพวกเขาอย่างต่อเนื่อง หรือใกล้เคียง กับมัน แต่พวกเขาจะไม่ต่อเนื่อง หรืองที่ และนี้จริง ๆ มีผลต่อสมมติฐาน

ผลลัพธ์ (ไทย) 2:

มีค่อนข้างไม่กี่ชนิดของตัวแปรผลที่จะไม่เคยพบสมมติฐานแบบจำลองเชิงเส้นสามัญของเหลือกระจายตามปกติ ตัวแปรผลที่ไม่ปกติสามารถได้ distribued ปกติเหลือ แต่มันก็ไม่จำเป็นที่จะต้องต่อเนื่องมากมายและวัดในช่วงเวลาหรืออัตราการขนาด ตัวแปรผลหมวดหมู่อย่างชัดเจนไม่พอดีกับความต้องการนี​​้จึงเป็นเรื่องง่ายที่จะเห็นว่ารูปแบบเชิงเส้นสามัญไม่เหมาะสม ก็ไม่นับตัวแปร มันเห็นได้ชัดน้อยเพราะพวกเขาจะวัดในระดับอัตราส่วนดังนั้นจึงเป็นเรื่องง่ายที่จะคิดว่าพวกเขาเป็นอย่างต่อเนื่องหรือใกล้เคียงกับมัน แต่พวกเขาไม่ต่อเนื่องหรือมากมายและนี้จริงๆมีผลกระทบต่อสมมติฐาน

ผลลัพธ์ (ไทย) 3:

มีค่อนข้างไม่กี่ชนิดของตัวแปรผลที่ไม่มีวันเจอธรรมดาแบบเชิงสมมติฐานการแจกแจงปกติของความคลาดเคลื่อน . ไม่ปกติผลตัวแปรได้ตามปกติ distribued ความคลาดเคลื่อน แต่มันต้องต่อเนื่อง ไม่จำกัด และวัดในช่วงเวลาหรืออัตราส่วนมาตรา ตัวแปรผลเด็ดขาด ชัดเจน ไม่สอดคล้องกับความต้องการนี้ดังนั้นจึงเป็นเรื่องง่ายเพื่อดูว่าแบบจำลองเชิงเส้นธรรมดาไม่เหมาะสม หรือตัวแปรนับ มันเห็นได้ชัดเพราะพวกเขาจะวัดในอัตราส่วน ดังนั้นมันง่ายที่จะคิดว่าพวกเขาเป็นแบบต่อเนื่อง หรือใกล้เคียงกับมัน แต่มันไม่ต่อเนื่อง หรือความ และนี่มีผลต่อข้อสมมติ