分析明确筛选设计的残差图

残差的正态概率图

残差的正态概率图显示，当分布呈正态时，残差与期望值的关系。

使用残差正态概率图可验证残差是否呈正态分布的假设。残差的正态概率图应该大致为一条直线。

以下模式违反了残差为正态分布这一假设。

如果发现非正态模式，请使用其他残差图检查该模型是否存在其他问题，例如，缺失项或时间顺序效应。如果残差不遵循正态分布，则置信区间和 P 值可能不准确。

残差与拟合值图形分别在 y 轴和 x 轴上绘制残差和拟合值。

使用残差与拟合值图可验证残差随机分布且具有恒定方差的假设的假设。理想情况下，点应当在 0 的两端随机分布，点中无可辨识的模式。

下表中的模式可能表示模型不符合模型假设。

下图显示了残差方差为常量这一假设中的异常值和冲突。

要确定残差与拟合值图中的任何模式或异常值，请考虑以下解决方案：

问题	可能解决方案
异方差	请考虑使用响应变量的 Box-Cox 变换或权重。
异常值或有影响的点	验证观测值不是测量误差或数据输入错误。考虑执行分析时不包括此观测值来查看它是否影响结果。

残差与顺序图按照数据的收集顺序显示残差。

使用残差与顺序图可验证残差独立于其他残差的假设。当以时序显示时，独立残差不显示趋势或模式。点中的模式可能表明，彼此相近的残差可能相关联，因此并不独立。理想情况下，图中的残差应围绕中心线随机分布：

如果查看模式，便可查出原因。下列类型的模式可能表明残差属于依赖项。

残差与变量的关系图显示残差与另一个变量的关系。已在模型中包含此变量。或者，模型中未包含此变量，但是猜测它会影响响应。

如果在残差中看到非随机图形，则表明变量会系统性地影响响应。请考虑在分析中包含此变量。