패스트캠퍼스 챌린지 17일차

오늘의 강의는 어제에 이어 잔차 분석에 대한 설명으로 시작되었다.

 

어제는 정상성과 정규분포에 대한 설명을 이어갔고 오늘은 자기상관과 등분산성의 대한 설명을 이어나갈 것으로 예상된다.

 

먼저 자기상관 테스트인데 4가설 방법중 륭 박스와 더빈 왓슨이 가장 많이 쓰인다고 한다.

 

귀무가설은 자기상관이 0이다.(존재하지 않는다) / 대립가설 0이 아니다.(존재한다)

 

더빈왓슨은 륭 박스와 가설은 동일하나 의사결정을 륭박스나 다른 가설들은 유의수준과 P-value를 고려하지만 더빈왓슨은 검정통계량을 이용한다는 점이다.

 

검정 통계량은 0~4 사이의 값으로 측정되는데 0은 양의 자기상관 / 4는 음의 자기상관이 존재한다고 한다.

 

왼쪽은 강의를 들으며 블로그에 메모를 하는 중이고 오른쪽 화면은 강의화면이다.

 

다음은 등분산성이다.

 

등분산성은 3가지 검증이 있지만 가장 많이 쓰이는 것은 Goldfeld–Quandt test 이다.

 

귀무가설은 데이터가 Homoscedasticity 상태이다(등분산이다) / 대립가설은 Heteroscedasticity상태이다(등분산이 아니다 or 발산하는 분산이다) 로 설정하고 검증을 진행한다.

 

의사결정은 다른 검증들과 동일하게 P-value와 유의수준을 비교하여 진행한다.

 

왼쪽은 강의자료이고 오른쪽 화면은 강의 화면이다.

 

그림과 같이 해당 등분산성 테스트의 결과를 확인하고 의사결정 방식에 따라 검증을 할 수 있는 것을 확인하였다.

 

다음 강의부터는 새로운 챕터를 들어갈 것 같다.

 

이러한 잔차 검증에서 4가지를 꼭 테스트하고 넘어가야 좋은 모델을 구축할 것이라 생각된다.

 

 

 

 

※ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성었습니다. 

 

※ 관련 링크 : https://bit.ly/37BpXiC