接受时：姓名的接受取决于您希望他们被谁接受。Bland-Altman 图只是 Tukey 均值差图（Tukey 早得多了），所以如果你想让统计学家接受这个名字，你可能不会用 Bland 和 Altman 来命名它。另一方面，在某些应用领域（也许是医学或化学），如果您将均值差图称为Bland-Altman以外的任何名称，您可能会感到奇怪。[然而，很可能有人在 Tukey 之前就已经存在了，其中许多想法已经很老了。]

一个合适的名字：如果你称之为“真相”的那些东西实际上是“真相”（不仅仅是有错误的观察，比如说），我可能只是称之为你有残差图（尽管看起来这些差异是负残差）；根据您的真相是如何获得的，您可能会在“残差”之后在描述性名词中连字（例如，如果它基于一些金标准校准，您可能会称其为残差标准图）。

如果您的事实确实是事实（而不仅仅是观察结果甚至是一些更高质量的估计），那么您甚至可以争辩说应该使用error来代替residual。

关于该图作为诊断的适用性：这些“真实”值是如何获得的？这些只是实际数据吗？如果是这样，“真相”可以说是用词不当，在这种情况下，您会期望该情节中存在一些负相关；它根本不一定表明存在问题。我们有许多线程可以解释（甚至证明）与的图将具有正相关，如果您的“差异”轴是那么您会期望负回归模型合适时的线性趋势。$y-\hat{y}$$y$$\hat{y}-y$

剧情的目的是什么？你如何解释它？

以下是一些与绘制残差与数据有关的现有帖子：

残差与依赖的趋势 - 但不是残差与拟合的趋势

研究关于因变量的残差图是否有意义？

残差和因变量之间的预期相关性是什么？