Vous pouvez représenter les valeurs résiduelles conditionnelles et marginales. Les valeurs ajustées marginales sont les valeurs ajustées pour la population globale. Les valeurs résiduelles conditionnelles permettent de vérifier la normalité du terme d'erreur dans le modèle.
L'histogramme des valeurs résiduelles montre la distribution des valeurs résiduelles pour toutes les observations. Ce diagramme permet d'identifier les lignes de données dont les valeurs résiduelles sont les plus élevées. Etudiez ces lignes pour déterminer si elles sont collectées correctement.
La droite de Henry des valeurs résiduelles affiche les valeurs résiduelles en fonction de leurs valeurs attendues lorsque la loi de distribution est normale. Ce diagramme permet d'identifier les lignes de données dont les valeurs résiduelles sont les plus élevées. Etudiez ces lignes pour déterminer si elles sont collectées correctement.
Le diagramme des valeurs résiduelles en fonction des valeurs ajustées affiche les valeurs résiduelles sur l'axe des y et les valeurs ajustées sur l'axe des x. Ce diagramme permet d'identifier les lignes de données dont les valeurs résiduelles sont les plus élevées. Etudiez ces lignes pour déterminer si elles sont collectées correctement. En outre, vous pouvez utiliser ce diagramme pour rechercher des schémas spécifiques dans les valeurs résiduelles pouvant indiquer d'autres variables à prendre en compte.
Le diagramme des valeurs résiduelles en fonction de l'ordre affiche les valeurs résiduelles dans l'ordre dans lequel les données ont été collectées. Ce diagramme permet d'identifier les lignes de données dont les valeurs résiduelles sont les plus élevées. Etudiez ces lignes pour déterminer si elles sont collectées correctement. Si le diagramme présente un schéma dans l'ordre chronologique, vous pouvez essayez d'inclure un terme défini en fonction du temps dans le modèle pour supprimer le schéma.
Le diagramme des valeurs résiduelles en fonction des variables affiche les valeurs résiduelles en fonction d'une autre variable. La variable peut déjà être présente dans votre modèle. Il se peut aussi que la variable ne soit pas dans le modèle, mais que vous la soupçonniez d'avoir un effet sur la réponse.
Si vous observez un schéma non aléatoire dans les valeurs résiduelles, cela signifie que la variable influe sur la réponse de façon systématique. Vous devez sans doute inclure cette variable dans une analyse.