如何在R中找到线性回归模型的残差？
残差方差是通过找到回归线与实际点之间的距离而计算出的值的方差，该距离实际上称为残差。假设我们有一个名为Model的线性回归模型，然后发现残差方可按（summary(Model)$sigma）**2进行。
示例
x1<-rnorm(500,5,1) y1<-rnorm(500,5,2) Model1<-lm(y1~x1) summary(Model1)
呼叫
lm（公式=y1〜x1）
残差
Min 1Q Median 3Q Max -5.6621 -1.2257 -0.0272 1.4151 6.6421
系数
Estimate Std. Error t value Pr(>|t|) (Intercept) 5.12511 0.46364 11.054 <2e-16 *** x1 -0.01077 0.09120 -0.118 0.906 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
残留标准误差-498自由度上的1.966
多个R平方-2.798e-05，调整后R平方：-0.00198
F统计量-1和498DF上的0.01393，p值：0.9061
找到模型的剩余方差-
（summary(Model1)$sigma）**2[1]3.863416
示例
x2<-rpois(5000,5) y2<-rpois(5000,2) Model2<-lm(y2~x2) summary(Model2)
呼叫
lm（公式=y2〜x2）
残差
Min 1Q Median 3Q Max -2.0474 -0.9898 0.0030 1.0102 6.0318
系数
Estimate Std. Error t value Pr(>|t|) (Intercept) 1.953861 0.049840 39.203 <2e-16 *** x2 0.007192 0.009125 0.788 0.431 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
残留标准误差-4998自由度上的1.423
多个R平方-0.0001243，已调整R平方：-7.578e-05
F统计量-1和4998DF上的0.6212，p值：0.4306
（summary(Model2)$sigma）**2[1]2.024254
示例
x3<-runif(5000,2,5) y3<-runif(5000,2,10) Model3<-lm(y3~x3) summary(Model3)
呼叫
lm（公式=y3〜x3）
残差
Min 1Q Median 3Q Max -3.9879 -2.0642 0.0001 2.0438 4.0109
系数
Estimate Std. Error t value Pr(>|t|) (Intercept) 6.004373 0.136367 44.031 <2e-16 *** x3 -0.004376 0.037914 -0.115 0.908 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
残留标准误差-4998自由度上的2.334
多个R平方-2.666e-06，已调整R平方：-0.0001974
F统计量-1和4998DF上的0.01332，p值：0.9081
（summary(Model3)$sigma）**2[1]5.445925
示例
x4<-rexp(100000,5.5) y4<-rexp(100000,7.5) Model4<-lm(y4~x4) summary(Model4)
呼叫
lm（公式=y4〜x4）
残差
Min 1Q Median 3Q Max -0.13359 -0.09515 -0.04089 0.05144 1.39856
系数
Estimate Std. Error t value Pr(>|t|) (Intercept) 0.1335960 0.0005972 223.697 <2e-16 *** x4 -0.0010954 0.0023153 -0.473 0.636 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
残留标准误差-99998自由度上的0.1335
多个R平方-2.239e-06，已调整R平方：-7.762e-06
F统计量-1和99998DF上的0.2239，p值：0.6361
（summary(Model4)$sigma）**2[1]0.01781908
示例
x5<-sample(0:9,25000,replace=TRUE) y5<-sample(91:99,25000,replace=TRUE) Model5<-lm(y5~x5) summary(Model5)
呼叫
lm（公式=y5〜x5）
残差
Min 1Q Median 3Q Max -3.9949 -1.9937 0.0075 2.0093 4.0105
系数
Estimate Std. Error t value Pr(>|t|) (Intercept) 94.989520 0.030168 3148.693 <2e-16 *** x5 0.000595 0.005641 0.105 0.916 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
残留标准误差-24998自由度上的2.57
多个R平方-4.45e-07，调整后R平方：-3.956e-05
F统计量-1和24998DF上的0.01112，p值-0.916
（summary(Model5)$sigma）**2
[1]6.604745