哪一個檢定來評估殘差變異數同質性的假設（殘差與預測圖除外）？你好社區，
在殘差分析中，我使用迴歸分析中給出的預設圖表來評估常態性和常數變異數。然而，我想知道如何透過測試來測試恆定方差，該測試允許我獲得某種 p 值，使情況比查看圖表更精確。
我可以為正態性做到這一點，但還不能為康斯坦斯方差做到這一點。
例如，對於常態性，我得到如下圖：
我可以直觀地給出一些結論，但我也喜歡對情況有更精確的描述，因此，我保存殘差並使用分佈平台（擬合正常）我可以得到：
夏皮羅-威爾克檢定使我能夠評估（除了視覺評估之外）殘差的常態性。
除了殘差與預測圖（我在下面添加）之外，我現在還希望對殘差的常數方差做類似的事情（進行測試）
我知道在“fit y by x”平台中進行方差分析的情況下，可以使用“Lavene 測試”評估康斯坦斯方差，但在我的情況下在該平台上繪圖後無法做到這一點我保存的殘差和保存的預測值。
您知道除了繪圖之外是否還有一種方法可以測試殘差的康斯坦斯變異數？
謝謝你的幫助，
朱利安
基礎資料分析與建模實驗設計視窗回覆：哪一個檢定來評估殘差變異數同質性的假設（殘差與預測圖除外）？我想我從帕里斯教授那裡找到了一個很好的教程來做到這一點：
使用 JMP 進行迴歸診斷 - 誤差變異數相等 (youtube.com)
回覆：哪一個檢定來評估殘差變異數同質性的假設（殘差與預測圖除外）？除了所要求的測試之外，您的殘差圖表明缺乏擬合。殘差可能存在非線性效應嗎？
回覆：哪一個檢定來評估殘差變異數同質性的假設（殘差與預測圖除外）？感謝@Mark_Bailey的評論。
您是否在預測殘差圖或殘差常態分位數圖中註意到了這一點？
回覆：哪一個檢定來評估殘差變異數同質性的假設（殘差與預測圖除外）？
您是否在預測殘差圖或殘差常態分位數圖中註意到了這一點？
預測圖的殘差顯示曲率模式。這是一個強有力的證據，表明使用線性迴歸背後的假設之一沒有得到尊重（誤差應該以隨機模式呈正態分佈，請參閱迴歸模型假設 | 統計簡介），並且您可能會在模型中遺漏一些效果：二次效應（或高階項），和/或在您的反應與因素之間的關係中引入曲率的任何項，例如交互作用項。
更多內容請參考相關貼文：
與響應模型（RSM）相關的解釋
我如何知道線性模型或非線性迴歸模型是否適合我的變數？
回覆：哪一個檢定來評估殘差變異數同質性的假設（殘差與預測圖除外）？謝謝@Victor_G的回复，
我實際上驗證了殘差並進行了 box cox 變換，這改善了情況。我真的無法添加更多術語，因為我們有一個相當簡單的情況，沒有太多的自由。
然而，你的消息讓我看到了@Mark_Bailey評論中的要點。我忘記了，如果在殘差驗證後添加交互作用和二次項，則會為模型帶來非線性。我的一個愚蠢的疏忽：S
