R 正態性檢驗：正態概率圖

檢驗模型是否滿足正態性假設的方法：

1.正態概率圖

這是我編寫的畫正態概率圖的函數：

#繪制正態概率圖
plot_ZP = function(ti) #輸入外部學生化殘差
{
  n = length(ti)
  order = rank(ti)   #按升序排列，t(i)是第order個
  Pi = (order-1/2)/n #累積概率
  plot(ti,Pi,xlab = "學生化殘差",ylab = "百分比")  #畫正態概率圖
  #添加回歸線
  fm = lm(Pi~ti)
  abline(fm)
}

　若正態概率圖近似呈一條直線，認為模型是符合正態性假設的。

2.QQ正態檢驗圖

qqnorm(d) #QQ圖正態性檢驗
qqline(d) #添加趨勢線

　d是標准化殘差

   如果所有的點近似成直線，那么，殘差就是正態分布的。

3.Shapiro正態性檢驗

shapiro.test(resid(fm1))

> shapiro.test(resid(fm1))

	Shapiro-Wilk normality test

data:  resid(fm1)
W = 0.97405, p-value = 0.748

 Shapiro檢驗的原假設是：模型服從正態分布！

因為p-value>0.05 ，所以不拒絕原假設，即認為模型是符合正態性的。