我正在使用R在我收集的数据上创建一些线性模型（使用lm()）。现在我对统计数据并不擅长，并且发现很难理解通过R生成的线性模型的总结。
我的意思是剩余价值：Min，1Q，Median，3Q，Max
我的问题是：这些值意味着什么？如果我的模型好，我怎么能从这些值中知道？
这是我的一些剩余价值。
Min: -4725611 1Q:-2161468 median:-1352080 3Q:3007561 Max:6035077
答案 0 :(得分：3)
线性回归的一个基本假设（特别是相关的假设检验）是残差是正态分布的，预期值为零。略微违反这一假设并不成问题，因为统计数据相当稳健。但是，分布应该至少是对称的。
判断正常性假设是否满满的最佳方法是绘制残差。有许多不同的诊断图，例如，您可以执行以下操作：
fit <- lm(y~x)
plot(fit)
这将为您提供残差与拟合值的关系图以及标准化残差的qq图。 summary(fit)给出的分位数对于快速检查残差是否对称非常有用。在那里，最小值和最大值并不重要，但中位数应接近零，第一和第三个四分位数应具有相似的绝对值。当然，只有拥有足够数量的值时，此检查才有意义。
如果残差不是正态分布，则有几种可能性来处理，例如，
有许多关于线性回归的好书，甚至还有一些很好的网络教程。我建议至少仔细阅读其中一个。