স্বাভাবিকতা যাচাই করার জন্য আমি একটি শ্যাপিরো উইলকের ডাব্লু টেস্ট এবং কোলমোগোরভ-স্মারনভ পরীক্ষা করতে চাই normal আমি কেবল ভাবছিলাম যে এর জন্য কী কী অবশিষ্টাংশগুলি ব্যবহার করা উচিত - কাঁচা অবশিষ্টাংশ, পিয়ারসনের অবশিষ্টাংশ, স্টাডিটেড রেসিডুয়াল বা মানকৃত অবশিষ্টাংশ? শাপিরো-উইলকের ডাব্লু পরীক্ষার জন্য এটি কাঁচা ও পিয়ারসনের অবশিষ্টাংশগুলির ফলাফল একইরকম তবে অন্যদের জন্য নয় বলে মনে হয়।
fit=lm(mpg ~ 1 + hp + wt, data=mtcars)
res1=residuals(fit,type="response")
res2=residuals(fit,type="pearson")
res3=rstudent(fit)
res4=rstandard(fit)
shapiro.test(res1) # W = 0.9279, p-value = 0.03427
shapiro.test(res2) # W = 0.9279, p-value = 0.03427
shapiro.test(res3) # W = 0.9058, p-value = 0.008722
shapiro.test(res4) # W = 0.9205, p-value = 0.02143
কেএসের জন্য একই প্রশ্ন, এবং অবশিষ্টাংশগুলি যেমন সাধারণ বিতরণ (পনরম) এর মতো পরীক্ষা করা উচিত কিনা
ks.test(res1, "pnorm") # D = 0.296, p-value = 0.005563বা স্বাধীনভাবে এন কে -২ ডিগ্রি সহ টি-শিক্ষার্থী বিতরণ
ks.test(res3, "pt",df=nrow(mtcars)-2-2) কোন পরামর্শ সম্ভবত? এছাড়াও, পরীক্ষার পরিসংখ্যান ডাব্লু (> 0.9?) এবং ডি এর বিতরণ পর্যাপ্ত পরিমাণে স্বাভাবিকতার কাছাকাছি থাকার জন্য এবং আপনার অনুমানকে খুব বেশি প্রভাবিত না করার জন্য প্রস্তাবিত মানগুলি কী বলে?
অবশেষে, এই পদ্ধতিরটি কি লাগানো এলএম সহগের অনিশ্চয়তা বিবেচনায় নিয়েছে বা cumres()প্যাকেজের কাজ gof()এই ক্ষেত্রে আরও ভাল হতে পারে?
চিয়ার্স, টম