为何是残差？

Prism 8能够用方差分析绘制残差图，但前提是您输入的是原始数据，而非诸如平均值、SD或SEM等进行过平均值计算的数据。

许多科学家认为残差是回归分析得到的值。但方差分析实际上是变相的回归。它可以与模型相拟合。方差分析的一个假设是，该模型的残差从高斯分布群体中抽样得到。残差图有助于您评估该假设。

创建哪种图表？

Prism可以制作三种残差图。

•残差图。X轴是预测值。  Y轴是残差。这可以让您发现比其余部分大得多或小得多的残差。

•同方差性图。X轴是预测值。  Y轴是残差的绝对值。其允许您检查较大的值是否与较大的残差（大的绝对值）相关联。

•QQ图。X轴是实际残差。Y轴是预测残差，根据残差的百分位数（在所有残差中）计算得到，并假设从高斯分布群体中抽样得到。方差分析假设残差服从高斯分布，该图表让您检查该假设。

对于普通方差分析，预测值（用于残差图和同质性图）仅是细胞中重复数的均值。对于重复测量方差分析，预测值还考虑了受试者均值。

残差诊断

•残差是聚集性还是异方差性？方差分析假设每个样本从具有相同标准差的群体中随机抽样得到。Prism可使用Spearman秩相关系数检验来检验该假设。该检验法使用类似于更常见的Pearson相关系数（r）的Spearman相关系数（ρ）。Pearson相关系数比较两个研究组值，而Spearman相关系数则比较两个研究组秩。因此，该检验旨在确定较大的值是否倾向于具有较大的残差。

•残差是否服从高斯分布？Prism对残差进行四次正态性检验。汇总所有研究组的残差，然后输入一组正态性检验集。