这看起来像一个类似的问题，并没有得到很多回应。
省略诸如 Cook's D 之类的测试，仅将残差视为一个组，我对其他人在评估拟合优度时如何使用残差感兴趣。我使用原始残差：
为了绘制与残差来检查可能出现异常值，我更喜欢使用学生化的残差。值的哪些残差是有问题的，尽管标准化残差提供了极其相似的结果。我使用的理论是，这取决于一个人去了哪所大学。
这与其他人使用残差的方式相似吗？其他人是否将这一数量的图表与汇总统计数据结合使用？
这与其说是对术语的澄清，不如说是一个答案。您的问题询问原始、标准化和学生化残差。然而，这不是大多数统计学家使用的术语，尽管我注意到你的课堂笔记指出它是。
生：和你一样。
标准化：这实际上是原始残差除以残差的真实标准差。由于很少知道真正的标准差，因此几乎从不使用标准化残差。
内部学生化：因为通常不知道残差的真实标准差，所以使用估计的标准差代替。这是一个内部学生化的残差，这就是你所说的标准化。
外部学生化：与内部学生化残差相同，只是残差的标准差的估计是从回归中计算出来的，忽略了相关的观察。
Pearson：原始残差除以响应变量（y 变量）而不是残差的标准差。你没有列出这个。
“leave one out”：没有正式名称，但和课堂笔记一样。
标准化“留一个”：也没有正式名称，但这不是课堂笔记所说的学生化。
资料来源：
您拥有的关于学生化残差的相同 wiki 链接（“学生化残差是残差除以其标准差的估计值得到的商”）
回复：地块，
存在过度拟合之类的事情，但过度绘图并不会真正造成太大伤害，尤其是在诊断阶段。标准化的正态概率图不会在您的 QQ 图旁边受到伤害。我发现最好评估分布的中间值。
回复：残差，
我在草稿阶段同时运行标准化残差和学生化残差，通常最终对标准化残差进行编码。我不知道其他人实际运行的是什么，因为诊断确实编码在我在网上找到的复制材料中。
回复：诊断，
对于线性模型，我通常添加方差膨胀因子（使用vifStata 中的命令）和一些同方差性测试（例如使用hettestStata 中的命令），以及使用嵌套回归的模型分解来检查是否有任何意义。