残差图详解：如何检查回归模型假设

您已经拟合了一个回归模型，R^² 看起来不错，系数也合乎直觉。但一张好看的摘要表可能掩盖了严重设定错误的模型。有一个散点图常常能捕捉到数字忽略的东西：残差图。

本文介绍什么是残差图、如何阅读它们、值得了解的模式，以及如何在 Python 和 R 中创建残差图。大多数初学者会完全跳过诊断这一步。看完本文，您就不会了。

什么是残差图？

残差是模型预测与实际发生之间的差：residual = observed − predicted。残差图把这些差值呈现出来。x 轴显示预测（拟合）值或某个解释变量；y 轴显示残差。一条位于零处的水平参考线代表完美预测。

围绕零随机散点：健康的残差图。图片由作者提供。

核心思想是：如果模型较好地刻画了关系，残差应看起来像噪声。围绕零随机分布、没有明显模式。一旦出现形状，模型就在传达仅靠系数无法表达的信息。

如何解读残差图

留意模式。理想情况下，不应有明显模式。这就是根本规则。残差的位置、散布和形状所揭示的内容，才是有趣之处。

位置：散点是否以零为中心？

如果残差在某些拟合值区域位于零线上方、而在另一些区域位于下方，说明模型有偏差。它在某些区域持续高估或低估。这通常指向缺失变量或直线模型无法捕捉的非线性关系。

散布：方差是否大致恒定？

从左到右扫描。如果残差的散布在所有拟合值上大致相同，这是好迹象。如果点随着拟合值增加而向外张开，方差在变化。这称为异方差性。它不会破坏系数估计，但会使标准误不可靠，这在进行任何假设检验时很重要。

形状：是否存在曲线或趋势？

平坦且无明显模式是您想要的。U 形或拱形表明模型缺少非线性项。簇或带状提示数据中存在被模型当作一类处理的子群。单个远离其他点的观测值得进一步调查。

常见残差图模式及其含义

四种提示模型问题的残差图模式。图片由作者提供。

围绕零的随机散点

理想结果。点在零线的上方和下方大致均匀分布，没有可辨识趋势，通常表明模型较好地捕捉了关系。一定程度的随机性是预期的。

弯曲的模式

弯曲或拱形的模式通常意味着存在未建模的非线性关系。模型在拟合穿过弯曲数据的直线。修正方法通常是添加多项式项（如 x^²）或对自变量进行变换。这是实践中较常见的模式之一，尤其在建模房价或生长类的生物数据时。

漏斗或扇形

残差随着拟合值增大而越分越开：这是异方差性，方差并不恒定。在金融数据中很常见，因预测误差通常会随结果量级而变化。对因变量取对数变换往往是合理的第一步；加权最小二乘也是一种选择。

簇或分组

残差图中出现明显分组通常意味着数据包含模型未考虑的子群体。很可能存在应加入模型的分类变量（地区、处理组、产品类型）。如果您看到两三条紧密的带状点列，从这里入手。

大的孤立残差

单个远离其余点的观测值得一看。它可能是真实的离群点、数据录入错误，或具备异常特征的观测。不要自动删除。先理解其成因。是否保留取决于情境，而非方便与否。

对于这些模式，残差图识别的是症状而非诊断。它告诉您哪里有问题；仍需要弄清楚原因。

残差图可检查哪些回归假设？

在了解这些模式后，值得明确残差图可以、以及不能评估的回归假设。

• 线性性：如果自变量与因变量之间的关系确为线性，将残差与拟合值作图时不应出现趋势。曲线或拱形是线性性不成立的直接视觉信号。
• 方差恒定：漏斗形正是异方差性的样子。如果散布随拟合值增大而增大，则等方差被违背。残差-拟合值图可能是捕捉这一问题最常用的工具。
• 独立性：如果观测具有某种自然顺序（时间、空间、受试者聚类），可以将残差与该顺序作图以检查模式。时间有序图中的残差出现趋势提示自相关。不过，普通的残差-拟合值图不一定能揭示这一点；有时需要专门的残差-顺序图。
• 离群点和高影响观测：大的孤立残差会标记模型预测较差的观测。就“影响力”而言，即对回归线有不成比例拉动的观测，“残差 vs. 杠杆值”图比基础残差图更具信息量。

残差图无法可靠评估的一件事是正态性。平坦的残差-拟合值图并不能确认误差服从正态分布。为此，您需要一张Q-Q 图。这是一处常见混淆点，值得理清。

如何在 Python 中创建残差图

标准流程是使用 scikit-learn 拟合模型并计算残差，再用 matplotlib 可视化。下面是一个在房屋数据上进行简单线性回归的完整示例：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# Sample data: square footage predicting home price
sqft = np.array([800, 1000, 1200, 1500, 1800, 2000, 2200, 2500, 3000, 3500])
price = np.array([150, 180, 210, 260, 300, 330, 370, 420, 500, 560])

# Reshape for sklearn and fit the model
X = sqft.reshape(-1, 1)
model = LinearRegression()
model.fit(X, price)

# Generate predictions and calculate residuals
predicted = model.predict(X)
residuals = price - predicted

# Plot residuals against fitted values
plt.figure(figsize=(8, 5))
plt.scatter(predicted, residuals, color='steelblue', edgecolors='white', s=80)
plt.axhline(y=0, color='red', linestyle='--', linewidth=1.2)
plt.xlabel('Fitted Values')
plt.ylabel('Residuals')
plt.title('Residual Plot')
plt.tight_layout()
plt.show()

关键一行是 residuals = price - predicted。axhline() 的调用添加了零参考线；没有它，图会难读得多。如果这个输出大致看起来没有模式，说明情况还不错。注意在较高的拟合值处残差更大。只有 10 个点，很难确认，但这暗示了前面讨论过的扇形趋势。

想更深入了解 Python 回归，请参阅我们的Introduction to Regression with statsmodels in Python课程，详细讲解模型拟合、假设检查与结果解读。

如何在 R 中创建残差图

R 的原生支持让这一步更容易。用lm()拟合模型后，内置的plot()函数会自动生成完整的诊断面板，其中包含残差-拟合值图。

# Same housing data in R
sqft <- c(800, 1000, 1200, 1500, 1800, 2000, 2200, 2500, 3000, 3500)
price <- c(150, 180, 210, 260, 300, 330, 370, 420, 500, 560)

# Fit the model and view diagnostics
housing_model <- lm(price ~ sqft)
plot(housing_model, which = 1) # which = 1 gives residuals vs. fitted

参数 which = 1 只绘制残差-拟合值图。若不指定，您将得到四个标准诊断图：残差 vs. 拟合值、Q-Q、尺度-位置，以及残差 vs. 杠杆值。当您想快速获得完整图景时很有用。R 还会按索引标注最极端的三个点，免去手动寻找离群点的麻烦。

想完整学习 R 中的回归，我们的Introduction to Regression in R课程自基础起讲解模型构建与诊断。

残差图与其他回归诊断图的比较

残差-拟合值图是起点，而非全貌。若干相关图可回答不同的问题。

残差图 vs. Q-Q 图

残差-拟合值图用于检查线性性和方差恒定。Q-Q 图用于检查正态性，即残差是否服从正态分布。这是两个不同问题。残差图看起来干净并不保证正态性，而 Q-Q 图也无法告诉您关于方差的信息。二者通常都需要。

两种不同的图，对模型提出两种不同的问题。图片由作者提供。

残差图 vs. 尺度-位置图

尺度-位置图（也称扩散-位置图）将绝对标准化残差的平方根与拟合值作图。它旨在检测异方差性，并且通常比原始残差图更容易识别漏斗形，因为它去除了残差的正负号，专注于散布。

残差图 vs. 残差-杠杆值图

杠杆值衡量的是观测自变量取值有多不寻常，而非模型对其预测有多差。高杠杆值叠加大残差可能是具有影响力的观测。残差-杠杆值图能识别这些组合，并通常按名称高亮最有问题的点。如果您担心高影响观测扭曲模型，请查看此图。

当残差图显示问题时该怎么办

残差图是诊断工具，而非裁决。出现模式并不意味着模型无用。以下是常见模式与后续步骤的对应：

• 弯曲模式：考虑添加多项式项或对自变量进行变换。对 x 取对数或加入 x² 项常能把关系拉直。
• 漏斗形：尝试对因变量进行对数或平方根变换。若无效，加权最小二乘可降低噪声更大的观测的影响力。
• 大的孤立残差：调查该观测。先检查是否为数据录入错误。若点是合法的，考虑模型是否需要纳入导致其异常的因素。
• 簇或分组：寻找尚未纳入的分类变量。有时为子群分别建模才是正解。

残差图显示的是症状。它不会告诉您确切原因，而且单一模式有时可能对应多种解释。把它当作提出更好问题的触发器。

阅读残差图的常见误区

• 期待完全随机的图：真实数据是杂乱的。少量不合群的点、轻微的不对称、在极端处的一些聚集：这些都很正常。问题不在于图是否“完美随机”，而在于是否存在可被更好模型消除的系统性模式。
• 把每个离群点都当作坏数据：大残差意味着模型对该观测预测不佳。不代表该观测是错误的。有时离群点是数据集中最有意思的点。只有在理解其成因后再考虑删除。
• 认为残差图能证明正态性：并不能。干净的残差-拟合值图告诉您线性性和方差恒定。正态性需要 Q-Q 图。这两种诊断是互补而非可替换的。
• 脱离背景读图：时间序列模型的残差图应与横截面数据的残差图区别解读。何谓“令人担忧的模式”取决于数据结构、样本量以及模型用途。在预测模型中值得修复的模式，在探索性分析中可能可以忽略。

结论

拟合模型、查看摘要、对 R^² 感到满意：大多数人到此为止。残差图是此后要看的内容，它常常讲述不同的故事。围绕零的随机散点是您想要的。曲线、漏斗、分组以及极端的孤立点，各自都提示模型尚未考虑到的因素。

没有一张图能给出全貌。将残差-拟合值图与 Q-Q 图（正态性）、尺度-位置图（方差）配合使用；若关心高影响观测，再看杠杆值图。每一张图都在回答不同的问题。

如果想进一步学习，我们的Intermediate Regression with statsmodels in Python课程深入讲解假设检验，包括当诊断图标记出问题时如何应对。若想更全面理解回归假设与模型评估，我们的 Python 线性回归假设教程是一个自然的下一步阅读。