明天咱们来讲一下异方差，在异方差以前，咱们先讲一下与异方差相似另一个概念：同方差，那同方差又是什么呢？同方差 = 雷同 + 方差，顾名思义就是方差雷同。那方差又是什么呢？方差是用来反映数据的稳定状况的，方差雷同，阐明数据的稳定状况是雷同的。讲完了同方差，那什么是异方差，大家应该也就明确了，异方差就是方差不雷同。
为什么要探讨异方差呢，是因为咱们在回归剖析和方差分析中都是假如样本之间是同方差的。在方差分析中，同方差是各组之间的方差相等；在回归剖析中，同方差是指对于每一个样本点来说，随机误差的平方和 (残差平方和) 是一样的。咱们在回归局部给大家讲过，残差平方和是回归值与理论值之间间隔的平方和，这一部分是除了自变量 X 影响之外的其余影响因素造成的，所以咱们把这一部分误差叫做随机误差，如果不同样本点之间受随机误差的影响是一样的，则随机误差平方和就是一样的，也就是同方差，反之则是异方差。
如下图反映的就是同方差，也就是不同受教育年限群体之间工资稳定状况是雷同的。
下图反映的就是异方差，也就是不同受教育年限群体之间工资稳定是不同的，受教育年限越长，工资稳定会越大；受教育年限越短，工资稳定会越小。
理解完了什么是异方差当前，咱们来看一下如何看不同样本点之间到底是同方差还是异方差呢？这就波及到异方差的测验了。测验异方差有描述统计办法和专门的统计测验办法，咱们这里次要给大家分享一下描述统计办法——看残差图。
残差图是以残差平方和为纵坐标，个别以回归拟合值 y 作为横坐标，当然也能够以其余自变量 x 作为横坐标，以下为几种不同类型的残差图：
下面这种类型的残差图：随着横轴的变动，纵轴围绕着一条水平线在稳定，阐明数据之间是满足同方差性的。
下面这种类型的残差图：随着横轴的增大，纵轴的数值在变小，阐明不同样本之间点之间的方差是不一样的，即异方差。
下面这种类型的残差图：横轴和残差之间是二次关系，也是异方差。
对于下面的残差图如何绘制，咱们在前面的回归实操局部给大家一起解说。