线性回归为什么t统计量是服从正态分布的随机变量减去均值再除以标准差（方差sigma由均方误差代替）？ 线性回归中，为什么t统计量是服从正态分布的随机变量减去其均值再除以标准差（其中的sigma由均方误差代替…
如果我要进行的是线性回归，检验随机误差u是否异方差，那么异方差的检验与补救方法是否也是你提的那样呢？ 在方差分析过程中进行方差齐性检验即可.操作菜单：Analyze-Compare Means-One Way ANOVA进入单因素方差分析过程，在Option选项中将Homogeneity of variance test复选框打勾，可以完成方差齐性检验，如果不能通过，则可以认为存在异方差.因为方差分析过程一般要求方差齐，所以存在异方差最好能进行调整，SPSS中提供了更为简便的方法，在同一菜单中的Post Hoc中提供了方差齐（Equal Variances）假设和方差不齐（Equal Variances not）假设下各自适用的分析方法，方差不齐时就选用下面的几种来实现.如果是回归分析过程中关于残差的检验，因为回归分析要求残差服从均值为0，方差相同的正态分布，因此必须对残差进行异方差性检验.这个检验SPSS13.0的线性回归过程中提供了残差的PP正态检验图（菜单在Linear过程的Plots中，将Nomal Probability Plot选上），可以大致判断出残差是否异方差性.或许还可以用SPSS的回归过程生成残差序列值，然后再对残差序列进行方差齐性检验.至于如果补救措施，可以对原始变量进行转换，或者使用加权最小二乘法WLS.如果Eviews会用，可以考虑用Eviews来做，它的异方差检验更完备，除了残差图之外，它还提供G-Q检验、White检验、帕克检验和Gleiser检验，具体参考Eviews的。
运用spss 做多元回归，y 值检测不符合正态分布，进行的回归有意义吗》如果没有意义，该怎么处理？ y值是否完全正态分布的影响不是很大只要各残差是独立的就可以了
