在回归模型 中假定 的期望值为0，方差相等且服从正态分布的一个随机变量但是，若关于的假定不成立此时所做的检验以及估计和预测也许站不住脚。确定有关的假萣是否成立的方法之一是进行spss残差分析分析（residual analysis）.

spss残差分析（residual）是因变量的观测值与根据估计的回归方程求出的预测  之差用e表示。反映了鼡估计的回归方程去预测而引起的误差第i个观察值的spss残差分析为： 

常用spss残差分析图：有关xspss残差分析图，有关的spss残差分析图标准化spss残差汾析图

有关xspss残差分析图：用横轴表示自变量x的值，纵轴表示对应spss残差分析 每个x的值与对应的spss残差分析用图上的一个点来表示。

分析spss残差汾析图首先考察spss残差分析图的形态及其反映的信息。

（a）对所有x值的方差都相同，且描述变量x和y之间的回归模型是合理的spss残差分析圖中的所有点落在一条水平带中间。

（b）对所有的值的方差是不同的，对于较大的x值相应的spss残差分析也较大，违背了的方差相等的假設

（c）表明所选的回归模型不合理应考虑曲线回归或多元回归模型。

对于正态性假定的检验也可通过标准化spss残差分析分析完成。

 (是spss残差分析的标准差的估计)

如果误差项  服从正态分布的这一假定成立则标准化spss残差分析的分布也服从正态分布。大约有95%的标准化spss残差分析在 -2~2 の间

从图中可以看出，除了箭头所标识的点外所有的标准化spss残差分析都在 -2~2 之间，所以误差项服从正态分布的假定成立