complot(r) 可得如下“残差向量的正态性图形检验” 0.10 理论上已经有结论:若图中的“+”分布在一条直线上 则残差就服从正态分布。 (b)残差图分析 以残差为纵坐标,以“与残差有关的任意一个量” 为横坐标,得到的散点图,称为残差图。通常,横坐 标可选择为:(1)样本点的序号;(2)根据模型算出 的近似值;(3)某个自变量的值 利用残差图,可以对奇异点进行分析,可以直观 检验误差的等方差性、是否应该增加或减少模型中的 自变量、等项目。 例如1:时序残差图,命令为: coplon(rint 好的模型的“时序残差图”应该是以横轴y=0为中心 的带状区域。若有个别偏离很远,则该样本点是奇异 点,剔除它。此图无奇异点。 例如2:其它类型的残差图 读书p99倒5行-P1015行。 画P100页图74(a):以根据模型算出的近似值为 横坐标。注意到近似值等于自变量乘参数向量,所以 Matlab 命令为 plot((x*b), r, * 画P100页图74(b):以第一个自变量为横坐标。 Matlab 命令为plot(xO(1,)r2+)normplot(r) 可得如下“残差向量的正态性图形检验”： 理论上已经有结论：若图中的“+”分布在一条直线上， 则残差就服从正态分布。 （b）残差图分析 以残差为纵坐标，以“与残差有关的任意一个量” 为横坐标，得到的散点图，称为残差图。通常，横坐 标可选择为：（1）样本点的序号；（2）根据模型算出 的近似值 i y ˆ ；（3）某个自变量的值。 利用残差图，可以对奇异点进行分析，可以直观 检验误差的等方差性、是否应该增加或减少模型中的 自变量、等项目。 例如 1：时序残差图，命令为：rcoplot(r,rint) 好的模型的“时序残差图”应该是以横轴 y=0 为中心 的带状区域。若有个别偏离很远，则该样本点是奇异 点，剔除它。此图无奇异点。 例如 2：其它类型的残差图 读书 P99 倒 5 行------P1015 行。 画 P100 页图 7.4(a)：以根据模型算出的近似值 i y ˆ 为 横坐标。注意到 近似值等于自变量乘参数向量，所以 Matlab 命令为 plot((x*b)',r,'*') 画 P100 页图 7.4(b)：以第一个自变量为横坐标。Matlab 命令为 plot(x0(1,:),r,'+')