¿Cuáles son las causas de la no-normal Residuales

? En el análisis estadístico , es estándar para los investigadores observar los residuos , o las diferencias entre los datos reales y sus modelos , en su análisis de los datos antes de que presenta resultados . Si los residuos son no normal , o no forman una forma de curva de campana , a menudo es el caso que la toma de conclusión utilizando el modelo sería estadísticamente correctos y no apropiado . Por lo tanto , cuando un investigador se da cuenta de que los residuos en su modelo son no- normal, que , naturalmente, se pregunta por qué esto es así. Hay una serie de posibles causas de los residuos no normales , y un investigador deben mirar todas las posibilidades de entender el cuadro completo. Los Sims

Si la distribución de los datos originales no es normal, que no está llegando de una distribución de Gauss de distribución , entonces es muy probable que los residuos tampoco serán normales . El investigador puede descubrir si esto es la causa de la no normalidad de los residuos observando la población de datos original o la distribución de la muestra. Si los datos originales no parece normal, el investigador pudo haber cometido un error al suponer que los datos provienen de una distribución normal antes de realizar los análisis estadísticos. Si este es el caso , el investigador debe recrear un modelo que da cuenta de la verdadera distribución de la población.
Incorrecta modelo de elección

Tener residuos , primero debe tener un modelo . Si el investigador elige un modelo que no está en consonancia con la realidad , es posible encontrar que los residuos tienen una media lejos de cero. Esto empujaría a la distribución de los residuos lejos de una distribución normal estándar.
Interdependencia

mayoría de los modelos asumen los valores que predicen son independientes. Es decir, si el modelo se está ejecutando en los datos que son dependientes , la suposición de que su modelo no se sostendrá. Esto afecta a los residuos , haciéndolos interdependientes . Valores interdependientes no pueden venir de una distribución normal , lo que explica la falta de normalidad de los residuos .
No constante Varianza

Los residuos de un modelo debe tener la misma varianza. Lo que esto significa es que los residuos deben diferir de la media aleatoria e independiente; Si la tercera residual se somete a una varianza de 4 , a continuación, la quinta , sexta , y residual de una millonésima debe tener la misma varianza asociada con ellos . Si usted encuentra que la variación cambia a medida que usted predice diferentes valores , esto es probablemente la causa de la no normalidad de los residuos .