关于响应变量的线性回归和假设

机器算法验证 回归 广义线性模型 假设
2022-03-15 00:49:09

维基百科指出

普通线性回归将给定未知量(响应变量、随机变量)的期望值预测为一组观察值(预测变量)的线性组合。这意味着预测变量的恒定变化导致响应变量的恒定变化(即线性响应模型)。当响应变量具有正态分布时,这是合适的。

因此,维基百科对响应变量做出假设,即它是正态分布的。然而,在其他来源和这里的堆栈交换中,误差项需要正态性。如果它们不是正态分布的,我们应该使用一些广义线性模型。

维基百科的文章指的是什么或者它是错误的?

1个回答

维基百科声明

当响应变量具有正态分布时,这是合适的。

错了

OLS 对响应变量没有假设。但是对残差有假设(参见高斯-马尔可夫定理)。另请参阅此帖子了解详细信息。

为什么线性回归对残差有假设,但广义线性模型对响应有假设?

我在这里偷了@Cliff AB 的例子。以下分布于y并且残差不违反OLS假设!

在此处输入图像描述

相关文章:

线性回归的常用假设的完整列表是什么?

线性回归如何使用正态分布?

如果残差是正态分布的,但 y 不是?