Residual by Predicted Plot question_same data generate different plot with Fit Y by X 和 Fit 模型嗨社區，
我的問題是關於預測圖的殘差。 數據集有 2 個因素：設計作為興趣因素，區域作為隨機塊和一個響應。 我在 Fit Y by X 中進行了方差分析，並保存殘差和預測以通過預測圖繪製殘差。 但我發現它看起來與 Fit 模型（行診斷）的圖非常不同。
在用 X 擬合 Y 中，選擇設計作為因子，選擇區域作為區組，選擇響應作為響應。
在Fit模型中，Design and Region被添加到model effects中，region被歸為Random effect，Response被選為Y。
希望有人能幫忙！
親切的問候，
于謙
分析美國能源部圖形回复：預測圖的殘差問題_相同的數據通過 X 擬合 Y 和擬合模型生成不同的圖我已經解釋了區別。 X 擬合 Y 分析從殘差中移除了處理效應，但沒有移除區組效應。 擬合最小二乘法分析從殘差中移除處理和區組效應。 不同的模型導致不同的殘差：Residual = y predicted - y observed。 不同的模型導致不同的 y 預測值。
回复：預測圖的殘差問題_相同的數據通過 X 擬合 Y 和擬合模型生成不同的圖嗨馬克貝利，
非常感謝您的友好回答！
我只注意到在 Fit Y by X 中，JMP 重新集中了數據反對者塊，而它不在 Fit 模型中。 我正在使用殘差策略進行模型充分性檢查（我想一個好的模型應該具有非常隨機的殘差，沒有任何模式）。 殘差圖似乎顯示了 Fit Y by X 的某種模式，而 Fit 模型則沒有。 我對此感到非常困惑，我想知道您對此是否有任何建議。
謝謝，
于謙
回复：預測圖的殘差問題_相同的數據通過 X 擬合 Y 和擬合模型生成不同的圖您在這些模型中使用了兩個截然不同的模型。 第一個分析僅考慮了您的一個因素（可能是設計）的影響。 區組因子 Region 的影響保留在該模型的殘差中。 這些殘差表現出更大的變化。 第二個分析考慮了設計和區域，縮小殘差並產生更簡單的模式。 您會在第二個殘差圖中看到更緊密的模式。
兩個圖都是正確有效的。 他們的解釋取決於您提出的問題。
