Dataantagelser

Dataantagelser är villkor som ofta görs om data eller den process som genererar dem när man använder statistiska metoder. Dessa antagelser ligger till grund för hur man tolkar resultat och hur giltiga slutsatserna blir. De kan vara explicita krav i metodernas teori eller underförstådda krav som följer av modellering och dataupplägg.

Vanliga typer av dataantagelser omfattar bland annat: oberoende observationer och identisk fördelning (i.i.d.), vilket innebär att varje observation kommer från samma process och inte påverkar varandra. För många metoder används också antagandet om normalfördelning av residualer eller fel, särskilt i små sampelstorlekar. Linjäritet och homoskedasticitet innebär att sambandet mellan variablerna är ungefär linjärt och att variansen hos feltermerna är konstant över observationsvärden. Vid tidsserier krävs ofta stationaritet och avsaknad av allvarlig autocorrelation. Andra vanliga antaganden rör mätfel, skalnivåer och hantering av saknade data.

Diagnostik sker ofta genom visuell diagnostik (residplottar, Q-Q-plottar) och formella tester (till exempel Shapiro-Wilk vid normalitet, Breusch-Pagan eller White för heteroskedasticitet, Durbin-Watson eller Ljung-Box för autocorrelation). Vid misslyckade antaganden kan man använda robusta metoder, transformationer, eller välja icke-parametriska eller flexibel specifika modeller. Hantering av saknade data kan innefatta flera metoder: enkel bortfall, multipel-imputation eller känslighetsanalyser.

Att tydligt dokumentera och undersöka dataantagelser är centralt för transparenta och tillförlitliga analyser, samt för att bedöma trovärdigheten i de slutsatser som dras.