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?
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?
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。
我在这里偷了@Cliff AB 的例子。以下分布于并且残差不违反OLS假设!
相关文章: