在我們的免費在線課程中了解更多信息：
工業問題解決的統計思維
在此示例中，我們從上一個 JMP 演示中中斷的地方繼續。 回想一下，我們擬合了一個模型不純，具有三個預測變量，溫度,催化劑濃， 和反應時間，使用分析，擬合模型。
不純是 Y 變量，並且溫度,催化劑濃， 和反應時間是模型效應。
前面描述的實際預測圖是實際響應值與我們當前模型預測的值的圖。
Actual by Predicted 圖對於識別我們的模型未解釋的數據中的異常值、異常觀察和模式（例如曲率）很有用。 在大多數情況下，我們的點似乎隨機分佈在擬合回歸線周圍。
默認情況下，JMP 提供“預測殘差”圖。 該圖沒有顯示出明顯的模式，殘差隨機分佈在零的中心線周圍。
本課中描述的其他殘差圖可從“行診斷”下的頂部紅色三角形獲得。 這包括殘差按行圖、學生化殘差圖和殘差的正態分位數圖。
這特別有用，例如，如果您想使用 JMP 平台創建自己的殘差圖。
Cook's D Influence 是 Save Columns 下的另一個選項。
當我們選擇庫克的 D 影響，一個新列將保存到數據表中，其中包含每個觀察值的庫克 D 值。 我們現在可以使用 Distribution 平台來確定我們是否有任何有影響的觀察結果。
在此示例中，最大 Cook 的 D 值為 0.06。 所以，我們對有影響力的觀察沒有問題。
JMP 中的另一種殘差圖是效應槓桿圖。 這些圖默認為模型中的每個項顯示。
本質上，考慮到模型中已經存在的其他影響，每個圖都顯示了將預測變量添加到模型的影響。
槓桿圖可以更輕鬆地查看異常模式、查看哪些點對模型產生影響以及識別多重共線性問題。
有關解釋槓桿圖的更多信息，我們鼓勵您訪問 JMP 幫助。
