残差（Residual）是指在数理统计中，实际观察值与模型估计值（拟合值）之间的差。计算残差的步骤如下：
假设数据：
有一组观测数据，记为 \（ y_1, y_2, \ldots, y_n \）。
建立模型：
设计一个模型来描述这些数据，假设模型为 \（ y = f（x） \）。
计算预测值：
对于每个观测值 \（ y_i \），根据模型计算出预测值 \（ \hat{y}_i \）。
计算残差：
残差 \（ e_i \） 是观测值 \（ y_i \） 与预测值 \（ \hat{y}_i \） 的差，即 \（ e_i = y_i - \hat{y}_i \）。
分析残差：
通过分析残差，可以考察模型的合理性及数据的可靠性。
如果模型正确，残差通常被看作是误差的观测值，它们应该符合模型的假设条件，并且具有误差的一些性质。