Answers:
这意味着当您针对预测值绘制单个误差时,误差预测值的方差应为常数。参见下图中的红色箭头,红线的长度(其方差的代理)相同。
。但是,我倾向于认为查看地块是最好的。@Penquin_Knight很好地完成了工作,通过绘制模型的残差来显示常数方差,其中同方差相对于拟合值获得。还可以在原始数据图或比例位置(也称为扩展级别)图中检测到异方差。R通过调用方便地为您绘制后者plot.lm(model, which=2)
;它是残差绝对值相对于拟合值的平方根,较低的曲线有助于叠加。您希望最低的配合平坦,而不是倾斜。
请看下面的图,它们比较了这三种不同类型的图中同方差数据与异方差数据的外观。注意上面两个异方差图的漏斗形状,以及最后一个图中向上倾斜的最低线。
为了完整起见,这是我用来生成这些数据的代码:
set.seed(5)
N = 500
b0 = 3
b1 = 0.4
s2 = 5
g1 = 1.5
g2 = 0.015
x = runif(N, min=0, max=100)
y_homo = b0 + b1*x + rnorm(N, mean=0, sd=sqrt(s2 ))
y_hetero = b0 + b1*x + rnorm(N, mean=0, sd=sqrt(exp(g1 + g2*x)))
mod.homo = lm(y_homo~x)
mod.hetero = lm(y_hetero~x)