Jaké jsou příčiny neobvyklých zbytků?

Ve statistické analýzy je standard pro vědci pozorovat zbytky, nebo rozdíly mezi skutečnými údaji a jejich modely, ve své analýze dat před uvedením výsledků. V případě, že rezidua jsou non-normální, nebo ne tvořit zvonu průběh křivky, to je často případ, že dělat závěr, podle vzoru by statisticky nesprávné a nevhodné. Tak, když výzkumník zjistí, že rezidua v jeho modelu jsou nenormální, ona přirozeně ptá, proč tomu tak je. Existuje celá řada možných příčin neobvyklých zbytků, a výzkumník musí dívat na všechny možnosti pro pochopení celého obrazu. Distribuce

rozdělení původních dat není normální, to není přilétající z Gaussova rozdělení, pak je velmi pravděpodobné, že zbytky nebude také normální. Výzkumník může zjistit, zda je příčinou anomálie reziduí při pohledu na původního datového vzorku populace nebo distribuce. Pokud se původní data se nezobrazí normální, výzkumník může udělali chybu v předpokladu, že data pocházejí z normálního rozdělení před provedením statistické analýzy. Pokud je to tento případ, musí výzkumník znovu model, který odpovídá za skutečné rozdělení obyvatelstva.
Nesprávné Model Volba

mít zbytky, musíte nejprve máte model. Pokud badatel vybere model, který není v souladu s realitou, může si zjistit, že rezidua mají v průměru daleko od nuly. To by mělo dojít k rozdělení reziduí od standardního normálního rozdělení.

Vzájemné závislosti

Většina modelů předpokládá, že hodnoty, které předpovídají, jsou nezávislé. To znamená, že pokud váš model běží na údaje, které jsou závislé, bude váš model předpoklad neplatí. To má vliv na rezidua, což je na sobě závislé. Vzájemně závislé hodnoty nemohou pocházet z normálního rozdělení, což vysvětluje anomálie reziduí.
Nekonstantní rozptyl

zbytky modelu by měly mít stejné rozptyl. To znamená, že by se měly lišit od rezidua znamená náhodně a nezávisle na sobě, je-li třetí reziduální se podrobí rozptylu 4, pak pátý, šestý a miliontý zbytkový by měly mít stejný rozptyl jsou s nimi spojeny. Pokud zjistíte, že rozptyl změní vás předvídat různé hodnoty, je pravděpodobné, že příčinou non-normality reziduí.