回归分析一——线性回归回归分析一——线性回归幻灯片.pptVIP

（四）回归方程的残差分析 由于线性回归模型的前提要求残差项应服从方差相等的正态分布，且残差项间互相独立。那么这些前提要求是否成立呢？这就需要通过回归方程的残差分析来进行检验。 对残差序列作处理后，SPSS可以直接得到标准残差序列。标准化残差便于进行样本奇异值分析，如果残差序列服从正态分布，那么标准化残差序列则应服从标准正态分布。 回归方程的残差分析主要有： （1）残差序列的正态性分析：可以绘制标准化残差序列的带正态曲线的直方图或累计概率图（P-P图）来分析。通过图形的直观观察，可以确定残差序列是否接近正态。 （2）残差序列的随机性分析：可以绘制残差序列和对应的预测值序列的散点图。如果残差序列是随机的，那么残差序列应与预测值序列无关，残差序列点将随机地分布在经过零的一条直线上下。如果散点图呈现出明显的规律性，则认为存在自相关性、或者存在非线性、非常数方差的问题。 （3）残差序列的独立性分析：分析残差序列是否存在后期值与前期值相关的现象。如果存在相关现象，表示残差序列中还存有一些规律性，回归方程没能较全面地反映因变量的变化。一般可以利用DW检验作残差序列的独立性分析。 SPSS将自动计算DW值，粗略地讲，如果DW＝0，表示残差序列存在完全正自相关；如果DW＝4，表示残差序列存在完全负自相关；如果0DW2，表示残差序列存在某种程度的正自相关；如果2DW4，表示残差序列存在某种程度的负自相