Bij het visueel inspecteren van een restindeling kijken we doorgaans naar twee zaken om te bepalen of de indeling \u2018goed\u2019 of \u2018slecht\u2019 is:<\/span><\/p>\n 1. Vertonen de residuen een duidelijke trend?<\/strong><\/span><\/p>\n 2. Nemen de residuen systematisch toe of af in variantie?<\/strong><\/span><\/p>\n Als een residuele plot als „goed“ wordt beoordeeld, betekent dit dat we de resultaten van het regressiemodel kunnen vertrouwen en dat het veilig is om de modelco\u00ebffici\u00ebnten te interpreteren.<\/span><\/p>\n Als een residuele plot echter als ’slecht‘ wordt beoordeeld, betekent dit dat de modelresultaten onbetrouwbaar zijn en dat we een ander regressiemodel aan de gegevens moeten aanpassen.<\/span><\/p>\n De volgende voorbeelden leggen uit hoe u \u2018goede\u2019 en \u2018slechte\u2019 restplots in de praktijk kunt interpreteren.<\/span><\/p>\n Stel dat we een regressiemodel passen en de volgende residuele grafiek verkrijgen:<\/span> <\/p>\n Om te bepalen of dit een \u2018goed\u2019 restplot is, kunnen we de volgende twee vragen beantwoorden:<\/span><\/p>\n 1. Vertonen de residuen een duidelijke trend?<\/strong><\/span><\/p>\n Nee.<\/strong> De residuen zijn willekeurig verspreid rond nul, zonder duidelijk patroon.<\/span><\/p>\n 2. Nemen de residuen systematisch toe of af in variantie?<\/strong><\/span><\/p>\n Nee.<\/strong> De residuen hebben een vrij constante variantie (dwz de afstand tussen de residuen en de nulwaarde) op elk niveau van de aangepaste waarden.<\/span><\/p>\n Omdat we op beide vragen \u2018Nee\u2019 hebben geantwoord, beschouwen we dit als een \u2018goed\u2019 restplot.<\/span><\/p>\n Daarom kunnen we vertrouwen op de resultaten van het regressiemodel en de modelco\u00ebffici\u00ebnten veilig interpreteren.<\/span><\/p>\n Stel dat we een regressiemodel passen en de volgende residuele grafiek verkrijgen:<\/span> <\/p>\n Om te bepalen of dit een \u2018goed\u2019 restplot is, kunnen we de volgende twee vragen beantwoorden:<\/span><\/p>\n 1. Vertonen de residuen een duidelijke trend?<\/strong><\/span><\/p>\n Ja<\/strong> . De residuen vertonen een gebogen patroon.<\/span><\/p>\n 2. Nemen de residuen systematisch toe of af in variantie?<\/strong><\/span><\/p>\n Ja<\/strong> . De residuen hebben verschillende variantieniveaus op verschillende niveaus van de aangepaste waarden.<\/span><\/p>\n Omdat we op ten minste \u00e9\u00e9n van deze vragen ‚Ja‘ hebben geantwoord, beschouwen we dit als een ’slecht‘ restplot.<\/span><\/p>\n Dit betekent dat het regressiemodel geen goede fit met de gegevens oplevert.<\/span><\/p>\n In het bijzonder geeft het gebogen patroon<\/a> in de grafiek van de residuen aan dat een lineair regressiemodel niet in de gegevens past en dat een kwadratisch regressiemodel waarschijnlijk beter werk zou leveren.<\/span><\/p>\n Stel dat we een regressiemodel passen en de volgende residuele grafiek verkrijgen:<\/span> <\/p>\n Om te bepalen of dit een \u2018goed\u2019 restplot is, kunnen we de volgende twee vragen beantwoorden:<\/span><\/p>\n 1. Vertonen de residuen een duidelijke trend?<\/strong><\/span><\/p>\n Nee.<\/strong> Er is geen duidelijke trend in de reststoffen te zien.<\/span><\/p>\n 2. Nemen de residuen systematisch toe of af in variantie?<\/strong><\/span><\/p>\n Ja<\/strong> . De variantie van de residuen neemt toe naarmate de gefitte waarden toenemen.<\/span><\/p>\n Omdat we op ten minste \u00e9\u00e9n van deze vragen ‚Ja‘ hebben geantwoord, beschouwen we dit als een ’slecht‘ restplot.<\/span><\/p>\n In dit specifieke voorbeeld lijden de residuen aan heteroscedasticiteit<\/strong> , wat verwijst naar ongelijke variantie van de residuen op verschillende niveaus van de aangepaste waarden.<\/span><\/p>\n Dit betekent dat de resultaten van het regressiemodel mogelijk niet betrouwbaar zijn.<\/span><\/p>\n Raadpleeg dit artikel<\/a> om verschillende manieren te leren om het probleem van heteroskedasticiteit in een regressiemodel op te lossen.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u restplots kunt maken met behulp van verschillende statistische software:<\/span><\/p>\n Hoe maak je een restplot in R<\/a> Bij regressieanalyse is een residuenplot een soort plot dat de aangepaste waarden van een regressiemodel op de x-as en de residuen van het model langs de y-as weergeeft. Bij het visueel inspecteren van een restindeling kijken we doorgaans naar twee zaken om te bepalen of de indeling \u2018goed\u2019 of \u2018slecht\u2019 is: 1. Vertonen de residuen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-4270","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
\n
Voorbeeld 1: een \u201cgoed\u201d restspoor<\/strong><\/span><\/h2>\n
![\"voorbeeld](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonresid1.jpg\")
<\/p>\n Voorbeeld 2: een \u201cslechte\u201d restplot met een duidelijk model<\/strong><\/span><\/h2>\n
![\"voorbeeld](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/resid3.jpg\")
<\/p>\n Voorbeeld 3: een \u201cslecht\u201d restdiagram met toenemende variantie<\/strong><\/span><\/h2>\n
![\"voorbeeld](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonresid2.jpg\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u een restplot maakt in Python<\/a>
Hoe u een restplot in Excel maakt<\/a>
Hoe u een restplot maakt in SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"