残差分析是指在进行统计分析时，对所得到的回归模型的拟合程度进行检验的一种方法。其原理是通过比较实际观测值与回归方程预测值之间的差异，来评估所得到的回归模型的拟合优度，进而判断该模型是否符合样本数据的真实情况。
残差分析的基本步骤包括：
1. 对已建立的回归模型，计算每个样本的残差（实际观测值与回归方程预测值之间的差）；
2. 通过绘制残差图、正态概率图等图形，评估残差的分布情况是否满足正态分布假设；
3. 检查残差是否存在异方差性（即残差的方差是否随着自变量的变化而发生变化）和自相关性（即残差之间是否存在相关性）。
如果在残差分析中发现了残差不符合正态分布、存在异方差性或自相关性等问题，就需要进一步优化模型，比如尝试增加新的解释变量、调整模型的函数形式、采用非线性回归方法等等。在进行残差分析时需要注意，残差分析只能作为判断回归模型是否符合数据的一种方法，不能完全代替其他统计方法的应用。
残差分析（residual analysis）就是通过残差所提供的信息，分析出数据的可靠性、周期性或其它干扰 。用于分析模型的假定正确与否的方法。所谓残差是指观测值与预测值（拟合值）之间的差，即是实际观察值与回归估计值的差。
在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。（δ-残差的均值）/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布N(0，1)。
实验点的标准化残差落在(-2，2)区间以外的概率≤0.05。
若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归线拟合。显然，有多少对数据，就有多少个残差
