哪种检验可以评估残差方差同质性的假设（除了残差与预测图）？大家好，
在残差分析中，我使用回归分析中给出的默认图表来评估正态性和恒定方差。但是，我想知道我可以用哪种方法测试恒定方差，这样我就可以得到某种 p 值，从而使情况比查看图表更精确。
对于正态性我可以做到这一点，但是对于恒定方差还不能做到这一点。
例如，对于正态性，我得到了情节：
我可以直观地给出一些结论，但我也希望对情况有更精确的描述，因此，我保存了残差并使用分布平台（拟合正态），我可以得到：
shapiro-wilk 检验允许我评估（除了视觉评估）残差的正态性。
我现在希望对残差的恒定方差做一些类似的事情（做一个测试），除了残差与预测图（我在下面添加）之外
我知道在“fit y by x”平台中进行方差分析时，可以使用“Lavene 检验”来评估恒定方差，但在本平台绘制我保存的残差和预测值后，我无法做到这一点。
您是否知道除了绘图之外，是否还有其他方法可以测试残差的恒定方差？
谢谢你的帮助，
朱利安
基础数据分析与建模实验设计视窗回复：哪项检验可以评估残差方差同质性的假设（除了残差与预测图）？我认为我从帕里斯教授那里找到了一个很好的教程来做到这一点：
使用 JMP 进行回归诊断 - 误差方差相等 (youtube.com)
回复：哪项检验可以评估残差方差同质性的假设（除了残差与预测图）？除了要求的测试之外，您的残差图表明拟合度不足。残差中可能存在非线性效应吗？
回复：哪项检验可以评估残差方差同质性的假设（除了残差与预测图）？感谢@Mark_Bailey的评论。
您是否在残差预测图或残差正态分位数图中注意到了这一点？
回复：哪项检验可以评估残差方差同质性的假设（除了残差与预测图）？
您是否在残差预测图或残差正态分位数图中注意到了这一点？
您的预测残差图显示出曲率模式。这有力地表明，使用线性回归背后的假设之一没有得到尊重（误差应呈随机模式的正态分布，请参阅回归模型假设 | 统计学简介），并且您的模型中可能缺少某些效应：二次效应（或高阶项），和/或任何在您的响应和因子之间的关系中引入曲率的项，如交互项。
更多内容请参见相关文章：
与响应模型 (RSM) 相关的解释
我如何知道线性模型或非线性回归模型是否适合我的变量？
回复：哪项检验可以评估残差方差同质性的假设（除了残差与预测图）？谢谢@Victor_G的回复，
我实际上验证了残差，并进行了 Box Cox 变换，这改善了情况。由于我们的情况相当简单，自由度不多，所以我无法添加更多项。
但是，您的留言让我看到了@Mark_Bailey评论中的要点。我忘记了，如果在残差验证后添加交互作用和二次项，它们会给模型带来非线性。这是我的愚蠢疏忽：S
