在输入回归命令 regress y X后,再 输入 predict e, residual计算残差并用变量e表示残差 输入 sktest e 残差的正态性检验 输入 predict yy 计算预测值。 残差正态性检验(H残差正态分布,α=0.05) Skewness/Kurtosis tests for Normality Joint Variable Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 0.459 0.441 0.5534 P值=0.5534>0.05,可以认为残差呈正态分布。 所建立的回归方程是否有意义,仅凭借假设检验的结论或R2的 大小还不能充分说明问题。残差e=Y-Y的大小直接反应回归方程的 优劣,经常采用图示的方法,以ε做纵轴,γ为横轴作图来考察残差 的变化,如果残差比较均匀地散布在e=0的周围,没有明显的散布趋 势和明显的离群点,则说明所建回归方程比较理想,否则要借助统计 软件做进一步诊断。 graph残差预测值 本例 graph e在输入回归命令 regress y x 后，再 输入 predict e,residual 计算残差并用变量 e 表示残差 输入 sktest e 残差的正态性检验 输入 predict yy 计算预测值。 残差正态性检验(H0:残差正态分布,α=0.05) sktest e Skewness/Kurtosis tests for Normality ------- joint ------ Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 -------------+------------------------------------------------------- e | 0.459 0.441 1.18 0.5534 P 值=0.5534>>0.05，可以认为残差呈正态分布。 所建立的回归方程是否有意义，仅凭借假设检验的结论或 R2 的 大小还不能充分说明问题。残差 的大小直接反应回归方程的 优劣，经常采用图示的方法，以 e 做纵轴， YYe ˆ −= Yˆ 为横轴作图来考察残差 的变化，如果残差比较均匀地散布在 e=0 的周围，没有明显的散布趋 势和明显的离群点，则说明所建回归方程比较理想，否则要借助统计 软件做进一步诊断。 graph 残差 预测值 本例 graph e yy