线性回归里的残差分析不可能用于诊断( )。
A: 残差独立性
B: 变量分布
C: 异常值侦察
D: 最大迭代次数
A: 残差独立性
B: 变量分布
C: 异常值侦察
D: 最大迭代次数
举一反三
- 线性回归的残差分析可能用于诊断() A: 残差独立性检验 B: 最大迭代次数及其收敛标准 C: 异常值侦察 D: 残差异方差检验
- 在进行回归分析时,要对残差进行分析和诊断,这样做的目的是() A: 通过残差的分布形态判断是否还存在其他潜在的关键X B: 通过残差分布的随机性,判断所选择的回归模型是否合适 C: 通过残差的分布,判断X对Y影响是否显著 D: 通过残差的分布,判断是否有远离模型的异常观测值存在
- 多元回归分析的分析步骤包括: A: 绘制散点图,观察变量间的趋势 B: 考察数据的分布情况(正态性、方差齐性等),并进行必要的预处理 C: 进行直线回归分析,包括变量的初筛、变量选择方法的确定等 D: 残差分析,分析残差间是否独立,以及残差分布是否为正态分布 E: 进行强影响点的诊断,以及多重共线性问题的判断
- 线性回归模型常用的参数估计方法是() A: 最大二乘法 B: 最小残差和法 C: 最大残差和法 D: 最小二乘法
- 回归分析中,一定要对残差是否正常进行分析,下列哪个图不能观察残差是否独立()。 A: 残差的正态概率图 B: 残差对自变量的散点图 C: 残差对拟合值的散点图 D: 残差对观察值顺序的图