概念卡：残差 Residual

综合实践 · 01_专业概念地图/概念卡_残差.md

概念卡：残差 Residual

一句话定义

残差是观测值与模型预测值之间的差。

它解决什么问题

它帮助我们检查模型没有解释掉的部分，从而判断模型是否合适。

典型使用场景

• 回归模型诊断。
• 检查非线性结构。
• 发现异常点或系统性误差。

需要知道的关键词

• Observed Value
• Fitted Value
• Error
• Residual Plot
• Heteroscedasticity

和导师方向的关系

残差分析是应用统计作业中常见的模型诊断入口，也是判断基准模型是否足够的工具。

交流时可以怎么说

如果残差图有明显结构，说明模型可能遗漏了变量、非线性或时间依赖。

我会先用残差诊断判断线性模型是否只是一个粗糙基准。

可以追问的问题

• 残差是否随机围绕 0 分布？
• 是否存在异方差？
• 是否有异常点或高影响点？

给 AI 的提示词

请解释残差在回归模型诊断中的作用。要求给残差图的常见模式和对应解释，并给 Python 示例。

我的理解边界

• 已理解：残差是模型没解释掉的部分。
• 还不确定：异方差检验。
• 下次需要补：残差图解读。