اکثر مدل های آماری مبتنی بر مدل
خطی است که بدین شکل می باشند:
Y=(b1X1i+b2X2i+…+bnXni)+errori
مفروضه جمع پذیری و خطی بودن بدین معنی است
که متغیر ملاک، در حقیقت، ارتباط خطی با هر یک از متغیرهای پیش بین دارد (یعنی،
ارتباط آنها می تواند با خط راست خلاصه شود) و اگر چندین متغیر پیش بین دارید، اثر
ترکیبی آنها با جمع زدن اثرات آنها با هم بهتر توصیف میشود. به عبارت دیگر، فرایند
مورد نظر برای مدل می تواند به صورت زیر با دقت توصیف شود:
b1X1i+b2X2i+…+bnXni
این مفروضه مهم است، زیرا اگر نقض شود، حتی اگر همه مفروضه های دیگر برقرار باشند، مدلتان معتبر نیست، زیرا آن را به طور نادرستی توصیف کرده اید. این یک خرده مانند سگ صدا زدن گربه خانگی است: می توانید تلاش کنید تا گربه را به خانه سگ برای زیستن بفرستید یا به گربه بگویید سگ بنشین، اما شگفت زده نم یشوید وقتی رفتار گربه آن چیزی نیست که انتظار دارید، زیرا با وجود اینکه آن را سگ صدا می زنید، در حقیقت گربه است. به همین نحوه، اگر مدل آماری را اشتباه توصیف کنید، درست عمل نخواهد کرد و نکته ای برای تفسیر برآوردهای پارمترش یا نگرانی درباره آزمون های معنادار فواصل اطمینان وجود ندارد: مدل اشتباه است.
گروه آماری دانش گستر زیر نظر دکتر سیدمحی
الدین بهاری