다음과 같은 패턴은 오차가 랜덤하지 않다는 것을 나타낼 수 있다.

■ 적합치에 대해 잔차가 부채꼴 모양으로 흩어져 있거나 고르지 않게 퍼져 있음
   → 일정하지 않은 분산
   ※ 데이터를 변환하면 이러한 분산을 안정화하는 데 도움이 된다.
   ※ 등분산 검정을 사용하여 등분산 가정을 검정한다
   ※ 그래프나 분산이 일정하지 않으면 반응 변수 변환을 고려해본다
 

 

 
■ 곡선
   → 고차 항 누락
   ※ 해당 항을 추가하거나 모형을 다시 적합시킨다.
■ 점들이 계속해서 증가 또는 감소하는 경우
   → 특이치
■ 양의 잔차 또는 음의 잔차로 치우쳐 있는 경우
   → 특이치
■ 0에서 멀리 떨어져 있는 점
   → 특이치   

   ※ 특이치가 너무 많으면 모형이 적절하지 않을 수 있다.
      측정이 잘못되어 특이치가 나타날 수도 있으므로 특이치를 조사하여 원인을
      확인해야 한다.
   ※ 관측치가 측정값이 아니거나 데이터 입력 오류인지 확인한다.
   ※ 이 관측치 없이 분석을 시행하여 결과에 어떤 영향을 미치는지 살펴본다.

■ 다른 점에서 x 방향으로 멀리 떨어져 있는 점
   → 영향력 있는 점