在 R 中，当您拟合回归或 glm（尽管 GLM 本身通常是异方差的）时，您可以通过绘制模型拟合来检查模型的方差假设。

也就是说，当您拟合模型时，您通常会将其放入一个变量中，然后您可以从中调用summary它以获取通常的系数回归表。如果您plot使用相同的变量，您会得到一些诊断图。

例如，考虑：

carmdl <- lm(dist~speed,cars)
plot(carmdl)

它生成的第三个默认图是比例位置图：

[在这种图中，y 轴的其他常见选择是绝对残差和平方残差的对数。]

这是标准化（用于模型方差）残差与拟合值的传播的基本视觉诊断，适用于查看是否存在与平均值相关的变异性（模型尚未考虑）。如果同方差的假设是正确的，我们应该看到大致恒定的传播。在这种情况下，拟合值增加的迹象相当温和。

要寻找的一种常见的异方差形式是与拟合值的差值增加的地方。这将在上图中显示为增加的趋势。它也可以通过 Breusch-Pagan 检验进行正式测试（尽管模型假设的正式假设检验不一定是最佳选择）。

还有其他可能的异方差形式，但这是最常见的检查形式。例如，如果预期会根据特定预测变量更改价差，则建议针对该预测变量绘制上面的剩余价差度量。