下列哪项不是残差的正态性检验；AJB 检验 B QQ图检验 C直方图检验 D 趋势图 我想问答案是B 吗？ 不是，QQ图也可用于检验残差正态性。当散点图表现出位于第一象限对角线附近时，即符合正态性。
线性回归，如何检验残差的正态性和方差相同？ 在R中，直接使用nortest包里的函数就可以检验正态性。直观上，也可以使用qqnorm来直观绘图观察。
若做回归分析的时候，残差不是正态分布真的就不能做回归分析了么。不用回归有别的方法能检验自变量显著么 你的问题太多，我不能一一做详细回答。随机干扰项不是正态分布也可以做回归，不过参数的估计方法最好不要使用OLS，使用极大似然估计会好一些，相应的似然函数有变化。12个变量得到一个好的结果可能不太容易，如果确定了解释变量与被解释变量之间的理论关系，则直接得到结果，有理论支持，是最好的证据。如果没有理论支持，可以使用“逐步回归”，不过这因为“目的导向”而常常饱受诟病。逐步回归已经通过判决系数和F检验做了剔除，所以不需要做共线性检验，异方差则看你的数据性质，如果是界面数据还是做一下。详细的步骤，自己去找我之前回答的问题，应该有，我没时间逐一列出这种繁琐的事情。
如何用SPSS做对数正态分布检验？残差图上的点的波幅在什么范围才算满足？ 在SPSS上，2113对数正态分布检验只能使用5261P-P图或Q-Q图。残差图主要看其形状是否有4102规律，而不仅仅是1653看其波幅，至于波幅在什么范围并没有一个通用的标准。对于你的数据，数据点基本紧紧地围绕在P-P图的45度线上，应该说基本上符合对数正态分布。唯一有些不足的是残差图的形状有些规律，不过波幅最大不超过0.06，其对应的累积百分点在0.6以上，差距不算大，因此我认为可以不必对此过于关注，仍然可以认定数据基本符合对数正态分布。
