10.17.1　基于得分组的平滑残差散点图：4变量EDA模型与3变量EDA模型对比

图10.18是4变量EDA模型的基于得分组的平滑残差散点图，根据一般关联性检验结果，它等同于零散点图。所以，这个模型的总体预测质量是不错的。值得注意的是，在图的中上部有一个标记为FO的异常点。这个平滑残差点对应着一个包含56个样本的得分组（占数据的1.1%），这是薄弱区域。

图10.18　4变量（MOS_OPEN、MOS_DUM、CH_FTY_1、CH_FTY_2）EDA模型基于得分组的平滑残差散点图

这个基于得分组的平滑残差散点图（4变量模型）的描述统计量如下：平滑残差的最小值和最大值、极差分别是-0.198，0.560和0.758；平滑残差的标准差是0.163。这些统计值是根据除FO点之外的平滑点计算出的，由于这些统计值对异常点很敏感，所以值得我们留意，尤其是在它们是经过平滑的点，而且占数据比例较小的时候。对于FO调整后的平滑残差，最小值、最大值和极差分别是-0.198，0.150和0.348，标准差是0.093。

对比3变量EDA和4变量EDA模型的平滑残差，可以发现3变量EDA模型的平滑残差会小一点。3变量EDA模型的平滑残差的区间明显比后者小：44.6%（=（0.758-0.42）/0.758）。3变量EDA模型的平滑残差的标准差明显比4变量EDA模型小23.9%（=（0.163-0.124/0.163）。这说明这些带有FD_TYPE信息的基于CHAID的哑变量对于3变量EDA模型做出更好预测没有起到重要作用。换言之，这个3变量EDA模型不具备更佳的预测质量。

尽管如此，如果应用TXN_ADD模型可以接受FO得分组/薄弱区域的例外规则，那么4变量EDA的调整FO模型的预测质量会比4变量EDA模型更优。这个4变量EDA调整FO模型的平滑残差比4变量EDA模型更小，它的平滑残差的极差要比3变量EDA模型小：17.1%（=（0.42-0.348）/0.42）。这个4变量EDA调整FO模型的平滑残差之标准差明显比3变量EDA模型小25.0%（=（0.124-0.093）/0.124）。