JB检验可以检验模型公正性吗

JB检验（Jarque-Bera test）是一种用于检验数据是否符合正态分布的统计检验方法，它基于样本的偏度和峰度来计算统计量，并将其与卡方分布进行比较。因此，JB检验主要用于检验数据是否符合正态分布假设，而不是用于检验模型的公正性。

当然，在一些情况下，JB检验也可以作为检验模型残差是否符合正态分布的工具之一。如果模型的残差分布不符合正态分布，那么可能需要对模型进行改进，以更好地描述数据。但是，JB检验并不能完全代替其他模型公正性检验方法，比如Q-Q图、残差图等，因为它只能检验数据是否符合正态分布假设，而无法检验其他模型假设的合理性。

相关问题

R语言 正态性检验 JB检验

JB检验（Jarque-Bera test）是一种统计检验方法，用于检验数据是否服从正态分布。在R语言中，可以使用jarque.bera.test()函数进行JB检验。该函数计算JB统计量和对应的p值，p值越小说明数据越不服从正态分布。

下面是使用jarque.bera.test()函数进行JB检验的示例代码：

jarque.bera.test(x)

其中，x是待检验的数据。

需要注意的是，在进行JB检验之前，需要确保数据已经进行了正态性检验，可以使用Kolmogorov-Smirnov（K-S）法或Shapiro-Wilk（S-W）法进行检验。

jb检验matlab

JB检验是一种用于检验数据是否服从正态分布的统计方法。在MATLAB中，可以使用jbtest函数进行JB检验。其调用格式为：H = jbtest(X,alpha)，其中X为待检验的数据，alpha为显著水平，默认为0.05。函数的输出H为测试结果，若H=0，则不能拒绝数据服从正态分布；若H=1，则可以否定数据服从正态分布。除了测试结果H，函数还可以输出P值（接受假设的概率值）、JBSTAT（测试统计量的值）和CV（拒绝原假设的临界值）。通过对JBSTAT与CV的比较，可以判断是否拒绝数据服从正态分布的原假设。