学习笔记：Model Diagnostics-模型诊断（线性回归）

得到线性回归模型后，应当对模型进行诊断。意思就是，检查是否有以下不合理之处：

（相较于预测模型之前的数据清洗阶段，对于残差的评估，更像是一种验算阶段）

1. 非线性

可以通过散点图来诊断，因为ei以及消除掉源数据中的线性趋势，理想情况下ei应该为大致同一大小，否则可以判断为非线性。

2. 忽略重要变量

可以将ei和所有排除的特征做散点图，如果发现他们存在关联，则说明此特征是被忽略的。

3. 误差方差不定

可以通过散点图来诊断，其实原理和非线性相似，方差不定通常是由非线性引起的。

4. 误差间独立性

可以通过散点图来诊断，这对于处理时间序列与空间计量尤为好用。因为日期通常无法视为变量分析，我们甚至可以将日期或者坐标作为索引值i，由此可以在散点图上看到残差彼此间的联系。

5. 误差非正态分布（误差非噪音）

我在CSDN上找到了比较具体的帖子：