Chiziqli regressiya haqidagi taxminlar Olimlarning dastlabki reaktsiyasi odatda chiziqli regressiya modelini sinab ko'rish bo'lganligi sababli, bu har doim ham to'g'ri tanlov degani emas. Aslida, ba'zilari borasosli taxminlarAgar e'tibor berilmasa, modelni bekor qilishi mumkin.
Tasodifiy namuna - Sizning ma'lumotlaringizdagi kuzatuvlar bir-biridan mustaqil bo'lishi kerak. Bog'liqlik paydo bo'lishining ko'plab usullari mavjud, masalan, bitta umumiy usul bir nechta javob ma'lumotlari bo'lib, bu erda bitta mavzu bir necha marta o'lchanadi. Xuddi shu shaxs bo'yicha o'lchovlar o'zaro bog'liq va bu holda siz chiziqli regressiyadan foydalana olmaysiz.
Bashorat qiluvchilar orasidagi mustaqillik - Agar sizning modelingizda bir nechta bashorat qiluvchilar mavjud bo'lsa, ular nazariy jihatdan bir-biri bilan bog'liq bo'lmasligi kerak. Agar shunday bo'lsa, bu sizning modelingiz moslashuvida beqarorlikka olib kelishi mumkin, garchi bu bashorat qilishdan ko'ra modelingiz talqiniga ta'sir qiladi.Bu yerda multikollinearlik haqida ko'proq bilib oling.
Homoskedastiklik - "teng tarqalish" degan ma'noni anglatadi, bu sizning qoldiqlaringiz (model bashorati va kuzatilgan qiymatlar o'rtasidagi farq) kontinuumning istalgan joyida xuddi shunday o'zgaruvchan bo'lishi kerakligini aytadi. Bu qoldiq uchastkalari bilan baholanadi.
Qoldiqlar normal taqsimlangan - standart chiziqli regressiya modelida teng tarqalishdan tashqari, qoldiqlar normal taqsimotdan kelib chiqadi deb taxmin qilinadi. Bu odatda QQ-uchastkasi yordamida baholanadi.
Bashorat qiluvchilar va javob o'rtasidagi chiziqli munosabatlar - aloqalar chiziqli bo'lishi kerakyuqorida tavsiflanganidek, ba'zi murakkab matematik munosabatlarni istisno qilish. Maʼlumotlaringizdagi baʼzi “egri chiziqlar”ni bashorat qiluvchi sifatida, masalan, X oʻzgaruvchisi va X^2 oʻzgaruvchisi (“X kvadrat”) yordamida modellashingiz mumkin.
