在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在此示例中，我们从上一个 JMP 演示中中断的地方继续。 回想一下，我们拟合了一个模型不纯，具有三个预测变量，温度,催化剂浓， 和反应时间，使用分析，拟合模型。
不纯是 Y 变量，并且温度,催化剂浓， 和反应时间是模型效应。
前面描述的实际预测图是实际响应值与我们当前模型预测的值的图。
Actual by Predicted 图对于识别我们的模型未解释的数据中的异常值、异常观察和模式（例如曲率）很有用。 在大多数情况下，我们的点似乎随机分布在拟合回归线周围。
默认情况下，JMP 提供“预测残差”图。 该图没有显示出明显的模式，残差出现在零中心线周围随机散布。
本课中描述的其他残差图可从“行诊断”下的顶部红色三角形获得。 这包括残差按行图、学生化残差图和残差的正态分位数图。
这特别有用，例如，如果您想使用 JMP 平台创建自己的残差图。
Cook's D Influence 是 Save Columns 下的另一个选项。
当我们选择库克的 D 影响，一个新列将保存到数据表中，其中包含每个观察值的库克 D 值。 我们现在可以使用分布平台来确定我们是否有任何有影响的观察结果。
在此示例中，最大 Cook 的 D 值为 0.06。 所以，我们对有影响力的观察没有问题。
JMP 中的另一种残差图是效应杠杆图。 这些图默认为模型中的每个项显示。
从本质上讲，考虑到模型中已经存在的其他影响，每个图都显示了将预测变量添加到模型的影响。
杠杆图可以更轻松地查看异常模式、查看哪些点对模型产生影响以及识别多重共线性问题。
有关解释杠杆图的更多信息，我们鼓励您访问 JMP 帮助。
