前面我们谈了试验设计分析的五步法，我们已经聊过了第一步拟合选定模型，今天我们来谈第二步残差诊断。单单从第一步来判断模型是否合适往往不太完整，因此通常我们还需要根据残差的状况来诊断我们的拟合模型，这就叫残差诊断。
在我们进行方差分析之前，通常有三个假设，那就是假定每个总体的数据都是服从正态分布，方差相同，且互相独立。基于此前提，那么将实际值与模型预测值相减获得的残差应该也是服从均值为0，方差为σ的正态分布。我们残差诊断就是看看残差是否真的符合上述分布，如果是，证明我们选定的模型是正确的，否则，就要对模型进行修正。
我们通过minitab的残差诊断通常会获得如下图形，为了方便讨论，我们分别将图进行编号。
一般先看4号图。这张图呈现的是残差随着观测值顺序的变化。重点考察散点图中，各点是否随机地在水平轴上下无规则地波动。如果残差的波动是随机的，则证明残差彼此间是独立的，符合互相独立的假设。如果存在明显的升降，则证明残差独立性可能存在问题。
接着，我们来看3号图。3号图是残差与响应变量拟合值的散点图。3号图我们重点要观察残差是否保持等方差性。如果3号图中存在“漏斗型”或者“喇叭型”，则说明方差不相等。
最后，我们来看1号和2号图。这两张图是看残差是否是正态的。这个比较好理解。
除了残差与响应Y的关系图之外，还可以通过下图的调出残差对各自变量X的关系图。
获得残差对于自变量X的散点图，以残差与压力为例。重点观察残差图是否存在弯曲。
通过以上各步，如果均无问题，那么证明我们的分析模型是可靠的，可以继续往下分析，如果不行，则需要修改模型。