วิธีการหาที่เหลือและพล็อตพวกเขา

ฉันได้รับข้อมูลแล้ว

x = c(21,34,6,47,10,49,23,32,12,16,29,49,28,8,57,9,31,10,21,26,31,52,21,8,18,5,18,26,27,26,32,2,59,58,19,14,16,9,23,28,34,70,69,54,39,9,21,54,26)
y = c(47,76,33,78,62,78,33,64,83,67,61,85,46,53,55,71,59,41,82,56,39,89,31,43,29,55, 
     81,82,82,85,59,74,80,88,29,58,71,60,86,91,72,89,80,84,54,71,75,84,79)

ฉันจะได้รับส่วนที่เหลือและพล็อตกับอย่างไร? และฉันจะทดสอบว่าส่วนที่เหลือดูเหมือนจะเป็นปกติโดยประมาณได้อย่างไร $x$

ฉันไม่แน่ใจว่าถ้าฉันทำแบบเชิงเส้นพอดีอย่างถูกต้องเมื่อฉันได้สมการแต่บันทึกการบรรยายบอกว่าเส้นการถดถอยเชิงเส้นควรอยู่ในรูปแบบ . $y=6.9x-5.5$ $y_i=\beta_0+\beta_1x+\epsilon$

r regression

— แขก
แหล่งที่มา

คุณใช้แพ็คเกจอะไร ตัวอย่างเช่นฟังก์ชัน 'regress' ของ Matlab จะคืนค่าส่วนที่เหลือเป็นเอาต์พุตและคุณสามารถสร้างกราฟโดยใช้ฮิสโตแกรม

— BGreene

ฉันใช้ Sagemath ฉันสามารถใช้ R ผ่านมันได้ แต่ฉันมีประสบการณ์น้อยมาก

— แขกที่เข้าพัก

เกี่ยวกับสมการ 2 ตัวที่คุณมีอยู่ หากเส้นถดถอย (เป็นฟังก์ชันเชิงเส้น) อยู่ในรูปแบบ

ดังนั้นโมเดลเชิงเส้นคือ

และการใช้คำผิดพลาดนี่คือ

โดยที่

เป็นคำข้อผิดพลาดที่ไม่มีความคาดหวังเป็นศูนย์ นี่คือความหมายที่สมการทั้งสองเข้ากัน

y = a + k x

$y = a +k x$

E [Y | X] = a + k X

$E[Y|X] = a+ k X$

Y = a + k X + ϵ

$Y = a + k X + \epsilon$

ϵ

$\epsilon$

— Ric

สมการที่คุณได้เป็นรูปแบบที่กล่าวถึงในบันทึกของคุณด้วย

และ

6.9

เหลือเป็นเพียง

\hat{β_{0}} = - 5.5

$\hat{\beta_0} = -5.5$

\hat{β_{1}} = 6.9

$\hat{\beta_1} = 6.9$

r_{i} = y_{y} - {\hat{y}}_{i} = y_{i} - (- 5.5 + 6.9 x_{i})

$r_i = y_y-\hat{y}_i = y_i - (-5.5 + 6.9 x_i)$

— Glen_b -Reinstate โมนิกา

แก้ไข: คุณมีRแท็ก แต่ในความคิดเห็นบอกว่าคุณไม่ได้รู้อะไรเกี่ยวกับมันมากนัก นี่คือRรหัส ฉันไม่รู้อะไรเกี่ยวกับปราชญ์ สิ้นสุดการแก้ไข

คุณสามารถทำได้

x = c(21,34,6,47,10,49,23,32,12,16,29,49,28,8,57,9,31,10,21,
      26,31,52,21,8,18,5,18,26,27,26,32,2,59,58,19,14,16,9,23,
      28,34,70,69,54,39,9,21,54,26)
y = c(47,76,33,78,62,78,33,64,83,67,61,85,46,53,55,71,59,41,82,
      56,39,89,31,43,29,55, 81,82,82,85,59,74,80,88,29,58,71,60,
      86,91,72,89,80,84,54,71,75,84,79)

m1 <- lm(y~x)  #Create a linear model
resid(m1) #List of residuals
plot(density(resid(m1))) #A density plot
qqnorm(resid(m1)) # A quantile normal plot - good for checking normality
qqline(resid(m1))

— Peter Flom - Reinstate Monica
แหล่งที่มา

+1 @guest โค้ดข้างต้นใช้สำหรับ R ซึ่งมีให้บริการฟรี

— BGreene

ตกลง. ดังนั้นฉันจึงเห็นภาพพร้อมคำบรรยายภาพความหนาแน่นเริ่มต้น (x = ส่วนที่เหลือ (m1)) รหัสนี้ควรส่งกราฟสองกราฟหรือไม่ และฉันควรตรวจสอบจากกราฟว่ามีสารตกค้างเหลืออยู่ประมาณปกติหรือไม่?

— แขกที่เข้าพัก

รหัสจะแสดงกราฟสองกราฟ - อันหนึ่งเป็นพล็อตความหนาแน่น ถ้าค่าตกค้างเป็นปกติอย่างสมบูรณ์แบบคะแนนจะอยู่ในแนวเส้นตรง

— Peter Flom - Reinstate Monica

ขวา. โค้ดทำงานได้ถ้าคุณเปลี่ยนบรรทัดสุดท้ายเป็นพล็อต (qqnorm (ส่วนที่เหลือ (m1))) และพล็อต (qqline (ส่วนที่เหลือ (m1))) ดังนั้นฉันคิดว่าส่วนที่เหลือไม่พอใจการกระจายตัวแบบปกติเนื่องจากมีจุดที่ต่ำกว่าเส้นมากกว่าเส้นตรง มีเกณฑ์เชิงตัวเลขใด ๆ ในการตรวจสอบความเป็นมาตรฐานหรือไม่?

— แขกรับเชิญ