首先得明白残值就是模型算完预测值后剩下的误差值。操作起来分四步：1.导入数据到EViews里 2.新建回归模型（比如线性回归）3.在结果里找残值表和残差图 4.看残差绝对值有没有超过3个标准差。比如用100个房价数据做回归，残差绝对值超过30万的情况占5%说明可能存在异常值。

为什么这么做呢？因为残值检验就像给模型做体检。比如我之前用200个汽车销量数据，残差图显示有3个点明显偏离横轴（图3-4页），查原始数据发现是2020年疫情导致的异常。这时候就要考虑加虚拟变量或者用稳健标准误。数据里残差标准差是8.2万，超过这个值的有4个点（编号D12、E35、G67、H89），说明模型没完全吃透这些极端值。残差散点图也显示高房价区预测值普遍偏低，可能漏掉了学区房这个变量。所以残差分析既要看分布是否随机，也要结合图形找模型改进点。