回歸
Ran 多元線性回歸，檢查正態機率圖，殘差不正常。我能做些什麼？
多元線性回歸所需的假設之一是殘差是正態分佈的，對嗎？
執行回歸後，我的正態機率圖顯示了典型的“重尾”S 形。
這種無法滿足假設是否認為我的整個模型無用？無論如何我可以獲得正常的殘差嗎？
我的因變數是 VaR，我的自變數是平均回報、市場價值對數、虛擬變數 1 和虛擬變數 2。
編輯：我嘗試過轉換自變數（VaR）（平方根，對數，倒數），但它似乎沒有產生足夠的差異
這意味著線性回歸不是您數據的最佳模型。您可能想嘗試正則化回歸（LASSO/Ridge），看看懲罰係數是否會有所幫助。
回歸分析作為誤差平方和的最小化，不需要誤差項的正態性。
要求是誤差是同變異數且不相關的。這些是基本假設（連同外生性）。然後估計量是無偏的、最優的（在無偏估計量類別中表現出最小的變異數）和一致的（變異數也隨著樣本量變為零）。不需要常態。
如果誤差是正常的，那麼我們也可以對這些估計的標準誤差發表一些看法並建立信賴區間。然而，即使錯誤不是高斯的，也有一些方法可以建立這些信賴區間，例如通過引導它們。因此，我將專注於其他更重要的假設。