>>226
まず、正規性とパターンの話は、仮に残差の分布が正規分布に（みえるもの）
になっていたとしても、残差にパターンがあるということは、誤差が相互に
独立という仮定を満たしていない。
ということは、残差のパターンを考慮することで、より適切な結果を推計
できるってこと。
誤差が個々に独立で、ある正規分布に従うということは、それ以上の推計の
改善が見込めないってことになる。

残差のパターンについては、例えば出席番号順に並べた成績のデータが
あったとして、その残差にパターンがみられたとしても、出席番号の並び
自体に成績との因果が無いのであれば、そのパターンは考える必要が無い
よね。
ただし、データの並び自体に意味がある場合（例にだした時系列など）は、
その残差がどういうパターンを示すかに意味がある。

また、非説明変数を小さいものから並べた場合、大きくなるしたがい、
誤差の分散が大きくなることがある。こういうのを不均一分散というけど、
これが起こると、誤差が個々に独立で一定の正規分布に従うという仮定が
崩れる。（σ^2が変化してしまっているということ）
この不均一分散の場合も推計結果の統計的な評価に問題が起こる。

普通、グラフを書く時は、右上に行くにしたがって数値が大きくなるので、
この場合、それに対応する形でデータを小さいものから並べて残差をみれば
不均一分散のせいで残差にパターン（右に行くほどばらつきが大きくなる）
などがみられる。

回帰分析の意味（どういう仮定がおかれた上で分析されており、それによって
どういう統計的な評価ができるのか）を考えてみた方がいいと思うよ。