Osborne and Waters (2002) do mentio

Osborne and Waters (2002) do mention briefly the
assumption of normality of errors, but say that
regression is robust to this assumption and do not give
it any further discussion. The assumption of normally
distributed errors is useful because when it holds true,
we can make inferences about the regression
parameters in the population that a sample was drawn
from, even when the sample size is relatively small.
Such inferences are usually made using significance
tests and/or confidence intervals. However, when the
sample is small, and errors are not normally distributed,
these inferences will not be trustworthy. Normality
violations can degrade estimator efficiency in at least a
technical sense: When errors are normally distributed,
OLS is the most efficient of all unbiased estimators
(White & MacDonald, 1980), whereas in the presence
of non-normal errors it is only the most efficient in the

ผลลัพธ์ (ไทย) 1:

ออสบอร์นและน้ำ (2002) กล่าวถึงสั้น ๆ ในอัสสัมชัญของ normality ของข้อผิดพลาด แต่พูดที่ถดถอยคือแข็งแกร่งเพื่อการนี้ และให้เรื่องใด ๆ เพิ่มเติมสนทนา สมมติฐานของปกติข้อผิดพลาดที่กระจายจะมีประโยชน์ เพราะเมื่อจะเก็บจริงเราสามารถทำให้ inferences เกี่ยวกับการถดถอยพารามิเตอร์ในประชากรตัวอย่างไม่ออกจาก แม้เมื่อขนาดตัวอย่างได้ขนาดค่อนข้างเล็กInferences ดังกล่าวมักจะใช้ความสำคัญทดสอบและ/หรือช่วงความเชื่อมั่น อย่างไรก็ตาม เมื่อการตัวอย่างมีขนาดเล็ก และข้อผิดพลาดปกติไม่ กระจายinferences เหล่านี้จะไม่น่าเชื่อถือ Normalityการละเมิดสามารถลดทอนประสิทธิภาพประมาณน้อยวิชาการ: เมื่อกระจายผิดปกติOLS ที่มีประสิทธิภาพสูงสุด estimators ทุกคน(สีขาวและแมคโดนัลด์ 1980), ในขณะที่ในการข้อผิดพลาดปกติไม่ใช่ เป็นเฉพาะมีประสิทธิภาพสูงสุดในการ

ผลลัพธ์ (ไทย) 2:

ออสบอร์และวอเตอร์ (2002)
ไม่พูดถึงสั้นสมมติฐานปกติของข้อผิดพลาด
แต่บอกว่าการถดถอยมีประสิทธิภาพเพื่อสมมติฐานนี้และไม่ให้มันอภิปรายเพิ่มเติมใด ๆ สมมติฐานของตามปกติข้อผิดพลาดการกระจายจะเป็นประโยชน์เพราะเมื่อมันถือเป็นความจริงที่เราสามารถทำให้การหาข้อสรุปเกี่ยวกับการถดถอยพารามิเตอร์ของประชากรที่กลุ่มตัวอย่างถูกดึงออกมาจากแม้ในขณะที่ขนาดของกลุ่มตัวอย่างมีขนาดค่อนข้างเล็ก. หาข้อสรุปดังกล่าวมักจะทำโดยใช้ความสำคัญการทดสอบและ/ หรือช่วงความเชื่อมั่น แต่เมื่อกลุ่มตัวอย่างที่มีขนาดเล็กและข้อผิดพลาดที่ไม่ได้กระจายตามปกติ, การหาข้อสรุปเหล่านี้จะไม่เป็นที่น่าเชื่อถือ ปกติการละเมิดสามารถลดประสิทธิภาพการประมาณการในอย่างน้อยความรู้สึกทางเทคนิค: เมื่อข้อผิดพลาดที่มีการกระจายตามปกติOLS มีประสิทธิภาพมากที่สุดในการประมาณค่าที่เป็นกลางทั้งหมด(White & MacDonald, 1980) ในขณะที่ในการปรากฏตัวของข้อผิดพลาดที่ไม่ปกติมันเป็นเพียงมากที่สุดที่มีประสิทธิภาพใน

ผลลัพธ์ (ไทย) 3:

ออสบอร์นและน้ำ ( 2545 ) กล่าวถึงสั้น
สมมติฐานปกติของข้อผิดพลาด แต่บอกว่า
จำคึกคักสมมติฐานนี้และไม่ให้
มันอภิปรายเพิ่มเติมใด ๆ สมมุติปกติ
กระจายความผิดพลาดมีประโยชน์เพราะเมื่อมันถือจริง
เราสามารถให้ข้อสรุปเกี่ยวกับการ
พารามิเตอร์ในประชากรตัวอย่างที่วาด
จากแม้เมื่อขนาดตัวอย่างมีขนาดค่อนข้างเล็ก เช่น โดยปกติการใช้

และ / หรือการทดสอบสำคัญช่วงความเชื่อมั่น อย่างไรก็ตาม เมื่อ
ตัวอย่างมีขนาดเล็กและข้อผิดพลาดเป็นปกติไม่แจก
อ้างอิงเหล่านี้จะเชื่อถือไม่ได้ การละเมิดที่ปกติสามารถลดประสิทธิภาพการประมาณค่า

เทคนิค อย่างน้อยความรู้สึกเมื่อความคลาดเคลื่อนมีการแจกแจงปกติ
,วิธีที่มีประสิทธิภาพมากที่สุดของทั้งหมดเป็นแบบประมาณ
( สีขาว& MacDonald , 1980 ) ในขณะที่ในการแสดง
ไม่ปกติข้อผิดพลาดเป็นเพียงที่มีประสิทธิภาพมากที่สุดใน