1樓：黎韜
隨機誤差是統計模型中假定總體擁有的性質，殘差是根據樣本對總體的隨機誤差項的估計，對殘差進行正態性檢驗可以看作對回歸模型的檢驗。
先佔坑，再更
====更乙個（2017-2020）====
在回歸模型的假設中：
因此，對殘差項可以進行以下幾個檢驗：
①正態性檢驗：例如EP檢驗，此時檢驗統計量為：
其中②正態態性檢驗通過後，可以檢驗均值是否為0，這屬於σ未知時的均值檢驗問題，檢驗統計量為：
原假設H0：μ=0
③若正態性檢驗通過，還需進行異方差性檢驗，主流方法有很多，應用統計學中主要採用Spearman檢驗（大小樣本均適用），這是一種非引數方法，其檢驗統計量依賴於t分布：
其中 為對應 和 的秩差，舉例如下：
按照從小到大排列的順序，有
兩者作差，有：
Spearman檢驗原假設為異方差問題不存在，拒絕域為雙側。
另外異方差性還可以採用殘差圖來直觀顯示，縱座標為 ，橫座標為 或者 ,如果殘差圖出現明顯趨勢性，則可以認為存在異方差性。這就引出了第四個可以檢驗的問題：
④ 或者 對 作一元線性回歸，如果回歸方程顯著性檢驗不通過（t檢驗 F檢驗 相關係數顯著性檢驗），則可以認為不具備異方差性
2樓：古月無風
在計量經濟學中，我們在做回歸時是基於模型設定正確來進行的。
比如，假設真實模型為：
真實模型的含義是，真正的經濟體就是這樣執行的，一些解釋變數X通過線性形式來影響Y，但是經濟體中始終存在隨機波動，那麼我們用u來表示這樣的隨機波動，或者稱為隨機誤差。
那麼我們在估計這個模型時，手裡有一堆資料（X,Y），比如最簡單的，通過OLS的方法來估計出來了beta的值，稱為估計值beta_hat。那麼我們通過X的值可以計算出估計的Y.即：
那麼此時，Y的估計值和Y之間的差稱為殘差。
殘差是對隨機誤差的估計。
線性回歸中，殘差的和為什麼等於0？這個假設的依據是什麼？
Hmnsker 依據就是OLS估計的求解過程中滿足的這個關係。注意單變數時候對 求兩個偏導後產生的正規方程組 注意我們的OLS估計 是滿足上面的方程組的，而第乙個就是我們的殘差和為0，第二個就說明 從而進一步有 其實直接看多元下的正規方程 想想這個內部其實和一元一樣的，其實第乙個約束就是 因此殘差和...
多元回歸分析的時候，變數都是顯著的，但是係數正負號與實際情況相反，是為什麼，怎麼解決呢？
007酷哥 假設實際情況是已有的理論研究結論，或是已有的實證結論，那麼這個模型很可能是沒解決好 遺漏變數偏差 問題，請仔細分析有無造成遺漏變數偏差的因素，然後採用加入該變數再回歸的方法。模型內生性問題是計量模型的核心問題，注意的是，你的模型不是統計模型而是計量模型。 與實際情況相反的意思是與理論假設...
多元回歸的F檢驗和T檢驗作用是否重複？
Jason F檢驗是檢驗多個自變數，作為乙個組，是否有解釋能力。t檢驗是檢驗某乙個自變數，是否有解釋能力。在某個顯著性水平下，可能每個自變數都能通過t檢驗，但是在同樣的顯著性水平下，F檢驗就通不過。相應地，F檢驗通過了，也不是每個自變數都能通過t檢驗。 孔哥 從統計量的構造上看，兩者沒有什麼關係。但...