선형회귀분석에서 각 모수에 대한 추론은 모두 모집단 회귀모형에 포함된 오차항에
대한 몇 가지 가정을 바탕으로 하고 있다.
그러나 오차항은 관측될 수 없기 때문에 일종의 추정량인 잔차를 이용하여
이 가정들의 타당성을 조사하는데 , 이것을 잔차분석이라고 한다.
회귀분석에서의 가정은 등분산성, 정규성, 독립성 등이 있다.

잔차의 독립성(Independency)에 대해 알아보자.
일반회귀분석에서는 잔차의 독립성 검정을 실시하지 않으나, 잔차분석으로 나타난
그래프를 통해 독립성 여부를 유추하여 분석한다.

잔차의 독립성(Independency)은 잔차 대 순서(Residual vs Order) 그래프에서의 패턴을 보고 판단한다.
독립성(independence of error)은  yi의 변화에 따라 오차도 어떤 패턴이 나타나서는 안되며,
서로 다른 X 값에서 나타나는 오차들은 서로 상호관계가 없이 독립적이어야 한다.

잔차 대 순서(Residual vs Order) 그래프에서 잔차는 중심선 주위에서 랜덤 패턴으로 변동해야 한다.
다음 패턴은 오차가 서로 독립적이라는 가정에 위배되는 경우이다.
관측치의 순서가 왼쪽에서 오른쪽으로 증가함에 따라 잔차가 규칙적으로 줄어든다.

잔차 값이 작은 값(왼쪽 부분)에서 큰 값(오른쪽 부분)으로 갑자기 변경된다.

패턴이 있는 경우 다음과 같은 수정 조치 중 하나 이상을 고려해야 한다.
■ 일반적으로 오차의 비 독립성 문제는 해결하기 어려우므로 설계된 실험을 수행할
   경우에는 실험을 랜덤화하여 이러한 문제가 발생하지 않도록 해야 한다.
■ 모형에 시간 효과를 추가하여 오차 항의 상관 관계를 제거한다.
   예를 들면, 여러 달에 걸쳐 매일의 수입을 조사한 경우를 보면 요일을 나타내는
   인자를 추가하여 오차 항의 비 독립성을 제거할 수 있다.

시계열 자료에서 잔차의 독립성의 가정에 대한 검토는 Durbin-Watson (DW) 검정 통계량을

이용하여 검정한다.