sagen, dass ich einen Datensatz namens Lohn haben, die wie folgt aussieht:R verwenden, um zu bestimmen, ob Fehler normal verteilt sind:
wage
# A tibble: 935 x 17
wage hours iq kww educ exper tenure age married black south urban sibs brthord meduc
<int> <int> <int> <int> <int> <int> <int> <int> <fctr> <fctr> <fctr> <fctr> <int> <int> <int>
1 769 40 93 35 12 11 2 31 1 0 0 1 1 2 8
2 808 50 119 41 18 11 16 37 1 0 0 1 1 NA 14
3 825 40 108 46 14 11 9 33 1 0 0 1 1 2 14
4 650 40 96 32 12 13 7 32 1 0 0 1 4 3 12
5 562 40 74 27 11 14 5 34 1 0 0 1 10 6 6
6 1400 40 116 43 16 14 2 35 1 1 0 1 1 2 8
7 600 40 91 24 10 13 0 30 0 0 0 1 1 2 8
8 1081 40 114 50 18 8 14 38 1 0 0 1 2 3 8
9 1154 45 111 37 15 13 1 36 1 0 0 0 2 3 14
10 1000 40 95 44 12 16 16 36 1 0 0 1 1 1 12
# ... with 925 more rows, and 2 more variables: feduc <int>, lwage <dbl>
sagen, dass ich bei einer einfachen linearen Regression sucht dann btw führen und IQ:
m_wage_iq = lm(wage ~ iq, data = wage)
m_wage_iq$coefficients
, die mir gibt:
## (Intercept) iq
## 116.991565 8.303064
ich überprüfen möchten, dass die Fehler sind:
ϵi∼N(0,σ2)
Wie überprüfe ich dies mit R?
'Plot (m_wage_iq)' gibt Ihnen einige Diagnosepläne, die dabei helfen können (oder zumindest ein Gefühl dafür bekommen). – Marius
Meiner Meinung nach ist die Frage nicht "wie man das in R macht", sondern "wie man das statisch machen will". Es gibt viele Methoden, Quantil-Quantil-Graph, Shapiro-Wilk-Test, Kolmogorov-Smirnov-Test und so weiter. Dann ist es sehr einfach zu finden, wie man das in R. macht. – JRR
Auch Rest-Plot gegen Prädiktoren usw. – SmallChess