因变量非正态的回归分析？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请问，我想要做多元回归分析，但是因变量是非正态的，并且不能经过数学转换成正态分布，那么我应该用什么方法分析？听说有非参数回归，或者秩回归，谁对这方面了解，望不吝赐教，不胜感激。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：回归分析 因变量 非正态 多元回归分析 非参数回归 回归分析 不胜感激 正态分布 因变量 数学

我只知道有nonparameter tests，但是那是用来做hypothesis tests的，不是回归分析吧。回归分析的话，可不可以用generalized linear model呢

请问你做这个回归的目的是什么？比较不同group的差异or选出有意义的影响因素？

这是一个调查问卷分析，不适合按照方差分析分组，主要目的是想看自变量与因变量之间的关系，即自变量是否对因变量有影响。

不明白为什么因变量一定要求是正态的？

因变量正态分布是由线性回归的假设条件决定的。最简单的例子，y=a+bx+error。线性回归的假设条件之一是error服从mean=0的正态分布，因为x来自观察值，是确定的，所以y的分布也是正态的，更具体的说，variance(y) = variance (error)， mean (y) = a + bx。在estimate coefficient的时候，也就是用数据估算a和b值（包括误差范围），以及检测线形关系是否显著（i.e. test if b=0）时，都是在这个假设的正态分布条件下进行的。

y 对x条件正态分布，但是这时候y本身不一定是正态分布的。
举个简单的例子，x均匀分布，error方差比较小，这时候y基本上就是均匀分布的。
所以我觉得没必要去要求y一定是正态的，right？

amanda8901 发表于 2011-1-21 10:29
因变量正态分布是由线性回归的假设条件决定的。最简单的例子，y=a+bx+error。线性回归的假设条件之一是error服从mean=0的正态分布，因为x来自观察值，是确定的，所以y的分布也是正态的，更具体的说，variance(y) = variance (error)， mean (y) = a + bx。在estimate coefficient的时候，也就是用数据估算a和b值（包括误差范围），以及检测线形关系是否显著（i.e. test if b=0）时，都是在这个假设的正态分布条件下进行的。

我的数据也不是对称分布，因变量中有很多为0的值，直接用多元回归感觉不适合。

lwien007 发表于 2011-1-28 15:07
我的数据也不是对称分布，因变量中有很多为0的值，直接用多元回归感觉不适合。

You need to read your textbook carefully and understand it thoroughly before do your homework.

非正态分布问题可以采用两边取对数的方法
或者引入虚拟变量来解决