建立回归方程，量化两个变量之间的关系之后，我们需要进行残差分析、诊断以确定拟合的模型是否有效，从而确定是否找到了适用的回归方程。
残差的定义是观测值与因变量的估计值之差，通俗的来讲就是样本试验得到的真实值与通过回归方程预测的y值的差值即是残差。
怎么确定残差是否正常？
在进行minitab确定回归方程的时候，会输出一个残差图，如下：
1. 左边两张是残差的正态性检验与残差直方图，残差需要服从正态概率分布。
2. 右上角是回归方程的拟合值与残差图，这个残差图上的点应该分布在一条水平的带子中，不允许有明显的喇叭口。若有，即是提示模型有问题。
上图中出现了明显的喇叭口，则说明残差异常，模型不适用。
3. 右下角是按照观测顺序排列的残差图，回归方程的前提条件是残差均值是0，在这个图上，残差随机上下分布，不允许有异常上升、下降或其它的明显趋势。
除了以上4张残差图，还需要有一个自变量的残差图，横坐标是自变量，纵坐标是残差值，与上图右上角的残差图基本类似。
如果自变量的残差图随机上下分布，则证明说明残差正常，模型适合。
如果自变量的残差图出现异常，比如喇叭口或弯曲，则需要回头再结合上面的右上角的残差图进行分析。
我说的不一定对，望独立思考
