Data Quirk 2: Non-NormalityOne assu

Data Quirk 2: Non-Normality
One assumption in multiple regression is that the residuals are normally distributed (Williams, Grajales, & Kurkiewicz, 2013). There are a variety of ways for the
residuals to fail to meet this assumption, but a common one is for the outcome variable to have a non-normal distribution, such as when it has excessive skew or
kurtosis. For the current example, I made Y's skew equal to negative four and its kurtosis equal to seven. A plot of such a variable is in Figure 6.

ผลลัพธ์ (ไทย) 1:

เล่นโวหารข้อมูล 2: ไม่มี-Normalityอัสสัมชัญหนึ่งในหลายถดถอยเป็นค่าคงเหลือจะกระจายปกติ (วิลเลียมส์ Grajales, & Kurkiewicz, 2013) มีหลากหลายวิธีในการค่าคงเหลือตามนี้ แต่ทั่วไปที่เป็นตัวแปรผลที่ได้จะมีความไม่ปกติแจก เช่นเมื่อนั้นมีมากเกินไปไม่เอียง หรือและเคอร์โทซิ ตัวอย่างปัจจุบัน ฉันทำ Y ของเอียง 4 เท่ากับค่าลบและเคอร์โทซิมันเท่ากับเจ็ด แปลงของตัวแปรอยู่ในรูปที่ 6

ผลลัพธ์ (ไทย) 2:

ข้อมูลมุมแหลม 2: ไม่ Normality
หนึ่งสมมติฐานในการถดถอยหลายที่เหลือจะกระจายตามปกติ (วิลเลียมส์ Grajales และ Kurkiewicz 2013) มีความหลากหลายของวิธีการที่มีเหลือที่จะล้มเหลวที่จะตอบสนองสมมติฐานนี้แต่อย่างใดอย่างหนึ่งที่เหมือนกันคือตัวแปรผลที่จะมีการจัดจำหน่ายที่ไม่ปกติเช่นเมื่อมีเอียงมากเกินไปหรือโด่ง ยกตัวอย่างเช่นในปัจจุบันผมทำ Y ของลาดเชิงลบเท่ากับสี่โด่งเท่ากับเจ็ด พล็อตของตัวแปรดังกล่าวเป็นในรูปที่ 6

ผลลัพธ์ (ไทย) 3:

อุปนิสัยที่ 2 : ไม่มีข้อมูลปกติ
หนึ่งสมมติฐานในการวิเคราะห์ถดถอยพหุคูณคือความคลาดเคลื่อนมีการแจกแจงปกติ ( Williams , Grajales & kurkiewicz , 2013 ) มีหลายวิธีสำหรับ
เหลือเพื่อล้มเหลวเพื่อให้ตรงกับสมมติฐานนี้ แต่ที่พบบ่อยคือสำหรับตัวแปรที่มีผลไม่มีการแจกแจงแบบปกติ เช่น เมื่อมีการเอียงหรือ
โด่ง . เช่นปัจจุบันฉันทำ Y เอียงเท่ากับลบสี่และความโด่งเท่ากับเจ็ด แปลงของตัวแปรที่อยู่ในรูปที่ 6