殘差分析意思
殘差分析（Residual Analysis）是統計學中一個重要的概念，特別是在迴歸分析（Regression Analysis）中。當我們進行迴歸分析時，我們會建立一個模型來描述因變量（dependent variable）如何隨一個或多個自變量（independent variables）變化。殘差就是實際觀察值與根據模型預測的值之間的差異。
殘差分析的目的是檢驗迴歸模型的質量，確保模型適當地捕捉了數據中的模式，並且沒有顯著的異常值或模式未被模型解釋。殘差分析包括以下幾個方面：
-
殘差檢驗：檢查殘差是否符合迴歸分析的假設條件，例如是否隨機分佈，是否有異方差性（heteroscedasticity），是否沒有自相關（autocorrelation）等。
-
殘差圖：將殘差繪製成圖形，例如殘差與預測值的關係圖（Residuals vs. Fitted Values Plot），殘差與自變量的關係圖（Residuals vs. Predictor Variables Plot）等，以檢視殘差是否隨機分佈。
-
殘差檢驗統計量：例如Durbin-Watson統計量用於檢驗自相關，Breusch-Pagan檢驗用於檢驗異方差性。
-
模型選擇：通過比較不同模型的殘差大小和模式，選擇最佳的迴歸模型。
-
異常值檢測：檢測數據中是否有任何極端值（異常值）對模型產生不合理的影響。
通過殘差分析，我們可以更好地理解模型的局限性，並確保模型的預測能力是可靠的。如果發現殘差不符合預期，則需要進一步分析數據或修改模型以提高模型的準確性和解釋力。