...
Etwas weniger technisch lassen sich diese Annahmen wie folgt zusammenfassen:
Annahme | Was wirklich bedeutet das wirklich? | Wann wird es wahrscheinlich verletzt? | Warum is das ein Problem? |
---|---|---|---|
Linearität | Lineare Abhängigkeit zwischen den erklärende erklärenden Variablen und das der Zielvariable | Modelle Misspecification | Das Modell wäre missspezifiziert |
Erwartungswert der Störgröße gleich Null | Es kann nicht sein, dass einige Beobachtungen in y, systematisch unterhalb der Regressionslinie liegen, während andere Werte y systematisch darüber liegenDie Beobachtungen der abhängigen Variable Y weichen nicht systematisch von der Regressionsgeraden ab, sondern streuen zufällig darum. | Gut definierte Untergruppen in den Daten können dieses Problem verursachen (Männer vs Frauen). | Verzerrung der Schätzungen von β0\(\beta_{0}\) |
Unabhängigkeit | Es kann nicht der Fall sein, dass das Wissen des Wertes von y für eine Beobachtung, sagt uns, ob der Wert von y für einen anderen Fall über oder unter seinem Erwartungswert liegt. | Es tritt häufig in Zeitreihenanalyse auf (Sommer vs. Winter) | Maßnahmen der Stärke der Beziehung zwischen x und y können sehr irreführend sein |
Es kann nicht der Fall sein, dass die Beziehung x/y für eine Beobachtung stärker und für andere schwächer ist. | Gut definierte Untergruppen in den Daten können dieses Problem verursachen (Männer vs Frauen). | Bo und B1 werden nicht genau geschätzt. Noch wichtiger ist, dass die Bewertung der Vorhersagegenauigkeit nicht korrekt ist. | |
Residuen normalverteilt | Die Fehlerterme folgen eine Normalverteilung | Das kann immer passieren | Konfidenzintervalle und Hypothesentests können sind Ungültigkeit. |
Es kann nicht vorkomenn, dass wenn eine Beobachtung hat bestimmte Werte, andere Beobachtungen genau so ausehen. | Es liegt vor, wenn zwei oder mehr erklärende Variablen eine starke Korrelation miteinander haben (Arbeiten und Gehald Bekomen ) | Overfitting in Regressionsanalysemodellen kann vorkommen, Redundanz bei der Interpretation der erklärende variablen. |
...