为什么要绘制残差图？

Prism 8 引入了用方差分析绘制残差图的功能，前提是您输入的是原始数据，而不是平均值、n 和 SD 或 SEM 的平均数据。

许多科学家认为残差是通过回归得到的值。但方差分析实际上是变相的回归。它拟合了一个模型。方差分析的假设之一是该模型的残差是从高斯分布中采样的。残差图可以帮助您评估这一假设。

创建哪种图形？

Prism 可以绘制三种残差图。

•残差图。X 轴是预测值。 Y 轴为残差。这可以让你发现比其他残差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。这可以让您检查较大的预测值是否与较大的残差（绝对值较大）相关联。

•QQ 图。X 轴为实际残差。Y 轴是预测残差，由残差的百分位数（在所有残差中）计算得出，并假设从高斯分布中采样。方差分析假定残差分布为高斯分布，通过该图可以检查这一假定。

对于普通方差分析，预测值（用于残差图和同方差性图）只是单元格中重复样本的均值。对于重复测量方差分析，预测值还要考虑受试者均值。

残差诊断

•残差是聚类还是异方差？方差分析假设每个样本都是从具有相同标准偏差的群体中随机抽样。Prism 可以通过斯皮尔曼秩相关系数检验来测试这一假设。该检验使用斯皮尔曼相关系数 (ρ)，它与更常见的皮尔森相关系数 (r) 相似。皮尔森相关系数比较的是两组数值，而斯皮尔曼相关系数比较的是两组等级。因此，这是检验值越大残差是否越大。

•残差是否为高斯分布？Prism 对残差进行了四次正态性检验。将所有组的残差集中起来，然后进行一组正态性检验。