一、不同点
1.定义不同
误差:观测值与真实值的偏离。
残差:观测值与拟合值的偏离。
2.作用不同
误差与测量有关，误差大小可以衡量测量的准确性，误差越大则表示测量越不准确。
残差与预测有关，残差大小可以衡量预测的准确性。残差越大表示预测越不准确。
二、相同点
都是衡量不确定性的指标。
扩展资料：
误差分为两类：系统误差与随机误差。系统误差与测量方案有关，通过改进测量方案可以避免系统误差。随机误差与观测者，测量工具，被观测物体的性质有关，只能尽量减小，却不能避免。
误差大,由异常值引起.表明数据可能有严重的测量错误;或者所选模型不合适,;残差大,表明样本不具代表性,也有可能由特征值引起。
反正要看一个模型是否合适,看误差;要看所取样本是否合适,看残差。
区别：
1，误差:即观测值与真实值的偏离;
残差:观测值与拟合值的偏离。
2，误差分为两类：系统误差与随机误差。其中，系统误差与测量方案有关，通过改进测量方案可以避免系统误差。随机误差与观测者，测量工具，被观测物体的性质有关，只能尽量减小，却不能避免。
残差则与预测有关，残差大小可以衡量预测的准确性。残差越大表示预测越不准确。残差与数据本身的分布特性，回归方程的选择有关。
3，误差: 所有不同样本集的均值的均值,与真实总体均值的偏离。由于真实总体均值通常无法获取或观测到,因此通常是假设总体为某一分布类型,则有N个估算的均值; 表征的是观测/测量的精确度;误差大,由异常值引起。表明数据可能有严重的测量错误;或者所选模型不合适。
残差: 某样本的均值与所有样本集均值的均值的偏离; 表征取样的合理性,即该样本是否具代表意义;残差大,表明样本不具代表性,也有可能由特征值引起。
拓展资料：计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。主要内容包括理论计量经济学和应用经济计量学。理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。
参考资料：误差
本回答被网友采纳误差和残差的区别是将残差看作误差的观测值。特征区别如下：
特征区别：
1、随机误差即使测试系统的灵敏度足够高，在相同的测量条件下，对同一量值进行多次等精度测量时。仍会有各种偶然的，无法预测的不确定因素干扰而产生测量误差，其绝对值和符号均不可预知。
2、残差在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。（δ-残差的均值）/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布N(0，1)。
扩展资料
误差是测量测得的量值减去参考量值。测得的量值简称测得值，,代表测量结果的量值。所谓参考量值，一般由量的真值或约定量值来表示。 对于测量而言，人们往往把一个量在被观测时，其本身所具有的真实大小认为是被测量的真值。
实际上，它是一个理想的概念。因为只有“当某量被完善地确定并能排除所有测量上的缺陷时，通过测量所得到的量值”才是量的真值。从测量的角度来说，难以做到这一点,因此，一般说来，真值不可能确切获知。
残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。
它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析。
本回答被网友采纳1、误差与测量有关，残差与预测有关。
2、误差大小可以衡量测量的准确性，残差大小可以衡量预测的准确性。
3、误差越大则表示测量越不准确，残差越大表示预测越不准确。
4、误差分为两类：系统误差与随机误差。其中，系统误差与测量方案有关，通过改进测量方案可以避免系统误差。随机误差与观测者，测量工具，被观测物体的性质有关，只能尽量减小，却不能避免。残差与数据本身的分布特性，回归方程的选择有关。
扩展资料：
误差是测量测得的量值减去参考量值。测得的量值简称测得值，,代表测量结果的量值。所谓参考量值，一般由量的真值或约定量值来表示。 对于测量而言，人们往往把一个量在被观测时，其本身所具有的真实大小认为是被测量的真值。实际上，它是一个理想的概念。因为只有“当某量被完善地确定并能排除所有测量上的缺陷时，通过测量所得到的量值”才是量的真值。从测量的角度来说，难以做到这一点,因此，一般说来，真值不可能确切获知。
残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。
它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析。
在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。（δ-残差的均值）/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布N(0，1)。
实验点的标准化残差落在(-2，2)区间以外的概率≤0.05。若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归直线拟合。
本回答被网友采纳误差:即观测值与真实值的偏离;
残差:观测值与拟合值的偏离.
误差与残差，这两个概念在某程度上具有很大的相似性，都是衡量不确定性的指标，可是两者又存在区别。 误差与测量有关，误差大小可以衡量测量的准确性，误差越大则表示测量越不准确。
误 差分为两类：系统误差与随机误差。其中，系统误差与测量方案有关，通过改进测量方案可以避免系统误差。随机误差与观测者，测量工具，被观测物体的性质有关，只能尽量减小，却不能避免。
残差――与预测有关，残差大小可以衡量预测的准确性。残差越大表示预测越不准确。残差与数据本身的分布特性，回归方程的选择有关。
误差: 所有不同样本集的均值的均值,与真实总体均值的偏离.由于真实总体均值通常无法获取或观测到,因此通常是假设总体为某一分布类型,则有N个估算的均值; 表征的是观测/测量的精确度;
误差大,由异常值引起.表明数据可能有严重的测量错误;或者所选模型不合适,;
扩展资料：
残差: 某样本的均值与所有样本集均值的均值, 的偏离; 表征取样的合理性,即该样本是否具代表意义;
残差大,表明样本不具代表性,也有可能由特征值引起.
反正要看一个模型是否合适,看误差;要看所取样本是否合适,看残差;
残差：残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。
它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析。
误差：误差是测量测得的量值减去参考量值。测得的量值简称测得值，,代表测量结果的量值。所谓参考量值，一般由量的真值或约定量值来表示。 对于测量而言，人们往往把一个量在被观测时，其本身所具有的真实大小认为是被测量的真值。实际上，它是一个理想的概念。因为只有“当某量被完善地确定并能排除所有测量上的缺陷时，通过测量所得到的量值”才是量的真值。从测量的角度来说，难以做到这一点,因此，一般说来，真值不可能确切获知。
参考资料：