线性回归 · 残差诊断

残差诊断实验室

同一条拟合线可能掩盖完全不同的问题。先看原始数据,再让残差告诉你:哪些模型假设值得继续核查。

原始数据与拟合线

● 样本 ━ 当前拟合
斜率
MSE 均方误差
R² 决定系数

对应残差图

残差 = 实际值 − 预测值
残差均值
最大绝对残差
诊断提示

读图结论

基本符合线性假设

看见了什么

可能的问题

下一步建议

异常值:y 方向偏得远

实际值与模型预测相差较大,常表现为绝对残差大。

高杠杆点:x 位置很特别

自变量远离样本主体;即使残差不大,也可能牵动拟合。

影响点:拿掉后模型明显变

判断依据是拟合系数、预测或指标对该点是否敏感。

诊断图用于提出核查问题,不是自动删点按钮。任何移除都应先确认采集错误、业务机制与分析目标,并记录理由。