Проверка на регресионни предположения

📐 Линейната регресия прави четири ключови допускания за вашите данни, общо известни като условията на Гаус-Марков. Когато и четирите са удовлетворени, обикновеният оценител на най-малките квадрати (OLS) е най-добрият линеен безпристрастен оценител (СИН) — което означава, че има най-малката дисперсия сред всички безпристрастни линейни оценители. Нарушаването на което и да е предположение компрометира тази гаранция, потенциално създавайки предубедени коефициенти, ненадеждни стандартни грешки, невалидни p-стойности и неточни доверителни интервали. Четирите OLS предположения са: (1) Линейност — връзката между независимата променлива X и зависимата променлива Y е наистина линейна. Ако действителната връзка е крива, напасната линия систематично ще представя погрешно данните и както оценките за наклона, така и за пресичането ще бъдат предубедени. Можете да проверите това визуално с точечна диаграма или диаграма на остатъка срещу напасване и формално с тест RESET.

📊 (2) Независимост — остатъците (грешките) са независими една от друга. Това най-често се нарушава при данни от времеви серии, където последователните наблюдения са склонни да бъдат корелирани - феномен, наречен автокорелация. Автокорелацията увеличава привидната значимост, правейки връзките да изглеждат по-силни, отколкото са в действителност. Тестът на Дърбин-Уотсън открива автокорелация от първи ред.

📊 (3) Хомоскедастичност — дисперсията на остатъците е постоянна на всички нива на прогнозираните стойности. Когато дисперсията се промени (хетероскедастичност), стандартните грешки стават ненадеждни, което обезсилва доверителните интервали и тестовете за хипотези. Формата на фуния в остатъчната графика е класическият визуален индикатор. Тестът на Breusch-Pagan официално проверява за това нарушение.

❌ (4) Нормалност — остатъците са приблизително нормално разпределени. Това предположение е критично за валидността на t-тестовете, F-тестовете и доверителните интервали в малки проби. При големи извадки (n> 30) централната гранична теорема осигурява известна защита, но в малки набори от данни ненормалността може да доведе до драматично грешни p-стойности. Тестът на Shapiro-Wilk и Q-Q графиките са стандартните диагностични инструменти. Проверката на предположенията преди да се доверите на вашия модел е критична стъпка, която много анализатори пропускат - което води до погрешни заключения, неуспешни повторения и лоши решения.