Quelles sont les causes de non-Normal résidus?

La distribution

• Si la distribution des données d'origine ne sont pas normales, ce qui signifie qu'il n'a pas été arrive à partir d'une distribution gaussienne, il est très probable que les résidus seront également pas être normale. Le chercheur peut savoir si cela est la cause de la non-normalité des résidus en regardant répartition de la population ou de l'échantillon de données d'origine. Si les données d'origine ne semble pas normal, le chercheur peut-être fait une erreur en supposant que les données proviennent d'une répartition normale avant d'effectuer des analyses statistiques. Si tel est le cas, le chercheur doit recréer un modèle qui tient compte de la distribution réelle de la population.

Mauvaise modèle choix

• 
  
  
  
  

  Pour avoir des résidus, vous devez d'abord avoir un modèle. Si le chercheur choisit un modèle qui ne soit pas conforme à la réalité, elle peut trouver que les résidus ont une moyenne loin de zéro. Ce serait pousser la distribution des résidus loin d'une distribution normale.

Interdépendance

• La plupart des modèles supposent que les valeurs qu'ils prédisent sont indépendants. Cela signifie que si votre modèle est en cours d'exécution sur des données qui sont à charge, l'hypothèse de votre modèle ne tiendra pas. Cela affecte les résidus, ce qui les rend interdépendants. Des valeurs interdépendantes peuvent pas provenir d'une distribution normale, expliquant la non-normalité des résidus.

Variance non-Constant

• Les résidus d'un modèle doivent avoir la même variance. Ce qui veut dire que les résidus devraient différer de façon aléatoire à partir de la moyenne et independently- si le troisième résidu est soumis à une variation de 4, alors le cinquième, sixième, et un millionième résiduel doivent avoir la même variance associée. Si vous trouvez que la variance change quand vous prédire des valeurs différentes, il est probable que la cause de la non-normalité des résidus.