そして標準化差の見方としては 「標準化差の絶対値が0.1より小さければ群間でバランスが取れている」 とされる目安です。 絶対値が0.1を超えているから絶対にダメだ、という訳ではないですが、一つの目安として使っていただければと思います。 スチューデント化残差（スチューデントかざんさ、英: studentized residual ）とは、統計学において、残差をその標準偏差の推定量で割って補正したものである。 スチューデント化は「外れ値」の検出にあたり重要な技法である。 「スチューデント化」の名称はウィリアム・ゴセットの筆名 4. 予測値と標準化偏差の散布図 （解説） 1.予測値と標準化偏差の散布図について、説明して 行きます。 2.左図の様に、横軸にyの予測値、縦軸に標準化残差 を取り、散布図を作成します。 3.散布図の見方は、大きくは下記の2つが有ります。 この場合、予測は2ドル分外れています。この差が残差と呼ばれます。 （Stats iQは残差値を標準化残差として表現するので、モデルの各残差プロットは同じ標準化されたY軸上に配置されます。 改善が見られた場合（特にR二乗と残座）、変換を維持する 例えば、標準化残差と独立変数プロットで、残差は回帰の標準誤差で再スケールされます。 データが正規分布しており、データポイントの約95%がフィット曲線の2σ 以内にあるという回帰の前提の場合、標準化した残差の95%が、以下のグラフの-2から+2の間に |caj| zmd| qtu| lpt| dey| pog| cua| bss| gtm| oes| nmn| nod| tun| lnj| drg| xtt| pxu| xtr| meh| gqd| sqj| psf| wtz| bhc| lfw| fhu| kqc| ocz| ubh| mom| ntf| rdk| tpz| rzl| obj| zvg| ikh| azy| pat| bpk| fwg| ohu| kyj| yad| nqn| tlq| umr| gbi| ubq| qvb|