3. 残差诊断的基本图形工具

残差诊断的核心思路，是把“模型没解释掉的那部分信息”单独拿出来审视。若模型结构正确、误差假设成立，残差应当表现为围绕零线随机散布、无明显趋势、近似正态且方差大致恒定的“白噪声”形态。四类基本图形正是从不同角度检验这一形态：残差-拟合值图看方差齐性与非线性，残差-自变量图看输入变量是否被充分建模，Q-Q图看正态性，直方图看分布形态与离群。本节以一组化工试验数据为例，说明四张图的绘制与判读方法。

设某反应收率试验中，模型给出预测值 ŷ，残差定义为 e = y − ŷ（观测减预测，正残差表示模型低估）。全文及图示均采用这一约定。示例数据为教学假设：共 24 次试验，拟合值范围 62%～91%，残差标准差约 1.8 个百分点，其中第 17 号点残差为 +5.2，明显偏大。

残差-拟合值图：先看“喇叭口”与“弯曲带”

横轴取拟合值 ŷ，纵轴取残差 e，在 e = 0 处画水平参考线。理想图形是残差在零线上下等宽随机散布，形成一条水平“带状”。判读要点有三：其一，若残差带随 ŷ 增大而张开成喇叭口，说明方差不齐，常见于浓度、速率等量纲跨度大的化工数据，可尝试对响应做对数变换或采用加权最小二乘；其二，若残差呈系统性弯曲（如中间高两端低的拱形），提示模型缺少二次项或存在非线性；其三，若出现个别远离带外的点，应核查是否为异常试验或录入错误。示例中若在 ŷ≈88 附近残差带明显变宽，即应优先怀疑高转化率区间的测量波动增大。

残差-自变量图：定位“漏掉的那一项”

横轴改为某个自变量 x_j（温度、配比、停留时间等），纵轴仍为残差。它与残差-拟合值图互补：拟合值图只能说明“有问题”，自变量图能指出“问题出在哪个变量”。若残差对某自变量呈单调倾斜或U形，说明该变量的一次项或二次项未被充分纳入；若残差在某个水平段整体偏高或偏低，提示存在分段效应或交互作用。实操中应对每个自变量各画一张，逐一排查。例如残差对温度呈先降后升的U形，往往意味着温度存在最优区间而模型只含线性项，此时加入 T² 项后应重画确认弯曲消失。

Q-Q图：用分位数比对检验正态性

将残差标准化后排序，作为纵轴；横轴取标准正态分布对应分位数 z_i，理论关系为 e_(i)/s ≈ z_i，故点应落在一条过原点的直线上。判读看尾部偏离方向：两端点向上翘、中间贴合，为右偏厚尾；两端向下弯为左偏；呈明显S形则提示分布对称性差。化工试验中残差常因存在下限（如收率不可能为负）而左偏，此时可考虑Box-Cox变换。需注意Q-Q图对样本量敏感，n 小于 15 时判断宜谨慎，应结合直方图与统计检验（如Shapiro-Wilk）综合结论。

直方图：快速看形态、偏度与离群

把残差划分 6～10 个等宽区间，统计频数作柱。它直观呈现分布是否单峰、是否对称、有无孤立长尾。示例中若在 +5 附近出现一根孤立小柱，与主体分离，即为可疑离群点的信号，应回到原始记录核对。直方图的缺点是分组方式影响形态，区间过少会掩盖偏态，过多则噪声大，因此宜与Q-Q图配合使用，不单独下结论。

把四张图放在一起看，诊断逻辑就清晰了：残差-拟合值图与残差-自变量图负责发现系统性结构（趋势、弯曲、方差不齐），Q-Q图与直方图负责检验随机性假设（正态、对称、无离群）。示例中若残差-拟合值图出现喇叭口、残差-温度图呈U形、Q-Q图两端上翘、直方图右侧有孤立柱，则诊断结论应表述为：模型缺少温度二次项、高拟合值区方差增大、存在一个可疑离群试验点。对应的处理是补充二次项、考虑变换或加权、复核第17号试验记录后决定剔除或保留，并重新拟合并重画四图确认结构消失。需要强调的是，图形判读带有主观性，应结合残差统计量（如标准化残差绝对值大于2或3的计数）与重复试验信息共同判断，避免仅凭一张图下结论。