原書 Figures 6.7–6.10 將 Residual Diagnostics 納入 Regression Model Assessment。
理解模型不能只看 R² 與 p-value；還要檢查 Residual Pattern、Distribution、Outliers 與 Influence。
Regression Model 產生 Actual 與 Predicted 的差距；若 Residuals 呈現系統性 Pattern 或存在極端 Observations，模型假設與穩定性可能有問題。
| 原書圖 | 檢查內容 |
|---|---|
| Figure 6.7 | Residuals Scatter Plot |
| Figure 6.8 | Residuals Histogram |
| Figure 6.9 | Identifying Outliers |
| Figure 6.10 | Influence Plot |
視覺檢查 Residuals 是否有 Pattern、Distribution 是否合理，以及特定 Observations 是否 Outlying／Influential。
本案例重點為 Diagnostic Interpretation；原書圖形需配合模型輸出判讀，不能僅憑本頁文字補造 Observation 數值。
一個看似 Fit 很好的模型仍可能被少數 Observations 主導，或違反 Regression Assumptions。這些問題會削弱模型在新資料上的可信度。
我會提供 Residual Plot、Histogram 與 Influence Plot 的觀察結果。請逐項檢查可能的 Assumption Violations，並把「觀察到」與「推論」分開寫。
問題： 發現 Outlier 是否應直接刪除？
參考解答： 不應自動刪除。先確認是否 Data Error、合理極端值或具有實質意義，並評估其對模型的 Influence。