home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #30 / NN_1992_30.iso / spool / sci / math / stat / 2620 < prev    next >
Encoding:
Internet Message Format  |  1992-12-16  |  2.4 KB
  1. Path: sparky!uunet!elroy.jpl.nasa.gov!sdd.hp.com!cs.utexas.edu!ut-emx!ccwf.cc.utexas.edu!rcole
  2. From: rcole@ccwf.cc.utexas.edu (Richard W. Cole)
  3. Newsgroups: sci.math.stat
  4. Subject: RE: Testing for Linearity
  5. Message-ID: <85461@ut-emx.uucp>
  6. Date: 16 Dec 92 20:16:33 GMT
  7. Sender: news@ut-emx.uucp
  8. Reply-To: rcole@ccwf.cc.utexas.edu (Richard W. Cole)
  9. Organization: The University of Texas at Austin, Austin TX
  10. Lines: 39
  11. Originator: rcole@sylvester.cc.utexas.edu
  12.  
  13. >>Why don't you try calculating the correlation coefficient: the closer it
  14. >>is to 1 or -1, the more linear your data.
  15.  
  16. >I do not think that the corr. coef. would tell much at all right away.    
  17. >If he is asking about linearity I'm sure he has in mind fitting a straight 
  18. >line.
  19. >He says:  
  20.  
  21. >>" I have a question regarding, linearity
  22. >>of data points.  Does anybody know of any statistical
  23. >>test for linearity. I would appreciate any kind of
  24. >>help, references etc."
  25.  
  26. >I would think that PLOTTING the data first would be necessary in order 
  27. >to asses the rest of the test:
  28.  
  29. >ie:if there is a pattern other than some kind of random scattering along some
  30. >invisible straight line (ie: curvilinear like a parabola) then he should fit
  31. >a polynomial model (possibly of second order), then the reduced model with 
  32. >only the linear term and THEN asses linearity by means of the corresponding 
  33. >tests.
  34. I agree.   Actually testing the correlation is already assuming that 
  35. linearity exists (a constant change in y per unit change in x) and the 
  36. correlation test is a hypothesis that the slope (constant change in y) 
  37. is equal to zero.  Working with a model not assuming linearity (one with 
  38. linear and  quadratic and cubic components) and then testing a linearity 
  39. restriction would seem much more in order since linearity technically
  40. can exist when the slope is equal to zero.  Once you've then assumed 
  41. linearity you may want to test that the slope is zero (where the 
  42. restricted model has only an intercept term as a predictor).  Accepting
  43. this model might suggest that the functional form of y is more complex
  44. than fitting any of the models thus far or that their is no relationship
  45. at all.
  46.  
  47. ========================================================
  48. Richard Cole, Stat/Math Services         Learning to  
  49. Computation Center UT Austin TX, 78712   Paint by 
  50. rcole@ccwf.cc.utexas.edu                 Numbers 
  51. ========================================================
  52.