1、对所有x值，\varepsilon的方差都相同，且描述变量x和y之间的回归模型是合理的，残差图中的所有点落在一条水平带中间。
2、对所有的值，\varepsilon的方差是不同的，对于较大的x值，相应的残差也较大，违背了\varepsilon的方差相等的假设。
3、表明所选的回归模型不合理，应结合曲线回归或多元回归模型。
那个最佳答案说的跟这个问题没有关系。我在学习r语言的线性回归的时候遇到了这个问题。这个图是用来判断你对回归模型的线性假设是否成立的。看法如下：按照书上所说就是：“
若图形存在非线性，则说明你可能对预测变量的函数形式建模不够充分，
那么就需要添加一些曲线成分，比如多项式项，或对一个或多个变量进行变换(如用log(X)代
替X)，或用其他回归变体形式而不是线性回归。
”
按照别人的说法就是：看图中的两条线，红色虚线和绿色实线是否接近。接近了就说明模型是线性的（这是在RStudio中做出的成分残差图）。
最主要的是两个表，一个是拟合优度表，给出判定系数r方。二是回归系数表，给出回归系数估计值及其显著性检验的结果。残差的直方图，主要是用来判断残差是否服从正态分布。因为经典回归模型的基本假设之一是，随机误差项服从正态分布。
