...
Dabei handelt es sich ebenfalls um ein Streudiagramm, in dem auf der Abszisse die geschätzten Werte der abhängigen Variablen und auf der Ordinate die geschätzten Residuen abgetragen werden. Die Punkte in dem Diagramm sollten unsystematisch streuen. Das Auftreten einer Trichterform deutet auf eine Verletzung der Annahme konstanter Varianzen („Heteroskedastizität“) hin. Ist eine Systematik in den Punkten erkennbar, so ist diese meist auf eine Verletzung der Unabhängigkeitsannahme zurückzuführen. Die Punkte im Residuenplot sollten ohne Systematik streuen. Eine Systematik deutet auf Abhängigkeiten hin, die nicht berücksichtigt wurden. In Dem Fall (A)verteilen sich die Residuen ungefähr in einem gleichbleibend dickem horzontalen Band. Formen die Punkte einen „Trichter“ oder „Rhombus“ „Doppelbogen“ ist dies ein Hinweis auf eine Verletzung der Annahme gleicher Varianzen (Fall B, C, F). Fälle sowie (D) und (E) zeigen eune quadratischem/logaritmischen Zusammenhang.
...
Eine weitere Möglichkeit der Kontrolle der Normalverteilungsannahme der geschätzten Residuen lässt sich unter anderem mit Hilfe eines Quantil-Quantil (Q-Q) Plot überprüfen. Diese Diagramme überprüfen, ob die Residuen der Normalverteilungsannahme genügen. Der Q-Q Plot zeigt starke Abweichungen zwischen den Verteilungen hin. Die Punkte in kleinen und hohen Quantilen liegen über der Ausgleichslinie. Ein solcher Q-Q Plot spricht für eine linksschiefe Verteilung (positive Schiefe). Neben der graphischen Überprüfung der Normalverteilungsannahme können auch Tests auf Normalverteilung wie der Shapiro-Wilk-Test oder der Kolmogorow-Smirnov-Test durchgeführt werden. Falls die Normalverteilungsannahme nicht gegeben sein sollte, gibt es die Möglichkeit Transformationen durchzuführen. Beispielsweise ist das Einkommen häufig nicht normalverteilt, das logarithmierte Einkommen jedoch schon.
Graph (A) kann als normalen "ideal" Q-Q Plot gesehen werden, wobei die Punkten auf der Gerade liegen. Im Fall (B) die Ränder der Verteilung sind leichter als von Normalverteilung. Der Graph (C) zeigt, die typische Verhalten eines Verteilungs mit schwerer Ränder als einer Normalverteilung (S-Graphick). Grahicken (D) und (E) zeigen eine Muster, mit positiven und negativen Bias.
. 
