残差图 - 正交回归
主题       

Minitab 会生成残差图，它们可以用来检查正交回归中的模型拟合优度。您可以选择以下残差图：

·    残差的直方图。用于显示数据一般特征的探测工具，包括：

-    典型值、展开或变异以及形状

-    数据中的异常值

图中有长尾，表明数据可能存在偏度。如果有一个或两个条形与其他条形距离较远，这些点有可能是异常值。由于直方图的外观会随用于为数据分组的区间数而改变，因此可以使用正态概率图和拟合优度检验来评估残差的正态性。

·    残差的正态概率图。如果残差呈正态分布，则此图中的点一般应该形成一条直线。如果图中的点不能形成一条直线，则正态性假设可能不成立。如果数据的观测值不足 50 个，则即使残差呈正态分布，该图也可能在尾部显示弯曲。随着观测值个数的减少，即使残差呈正态分布，该概率图也可能表现出很大的变异性和非线性。使用概率图和拟合优度检验（如 Anderson-Darling 统计量）可评估残差是否呈正态分布。

您可以在图中显示 Anderson-Darling 统计量 (AD)，它能指示数据是否是正态的。如果 p 值比所选的 a 水平低，则数据将不会呈正态分布。要显示 Anderson-Darling 统计量，请选择工具 > 选项 > 线性模型 > 残差图。对于正态性的其他检验，请参见统计 > 基本统计 > 正态性检验。

·    残差与拟合值。此图应显示残差随机分布在 0 的两侧。如果有某个点远离大多数点，该点可能是异常值。而且，残差图内也不应该存在任何可识别的模式。以下情况表明可能存在非随机误差：

-    一系列递增或递减的点

-    正残差占优或负残差占优

-    一些模式，比如残差随拟合值的增加而增加

数据中的模式可能会表明非线性或缺少方差齐次性。

·    残差与顺序。这是一个所有残差均以数据收集顺序排列的图，可以用于找出与时间相关的效应的非随机误差。相同符号的残差聚集表示正相关。连续残差的符号不断改变表示负相关。

·    四合一。选择此选项将在一个图形窗口中生成残差正态图、残差直方图、残差与拟合值图以及残差与顺序图。

·    残差与其他变量。这是所有残差相对于另一个变量的图。可相对于以下项绘制残差图：

-    预测变量，用于查看残差的弯曲或差异量值。

-    其他可能的预测变量，用于查看它们是否对响应具有效应。

如果特别关注某些残差值，可以用笔刷在图中标识它们。请参见图形笔刷。