殘差圖出現彎曲，迴歸模型出了什麼問題？

情境

先感受問題：模型說房子值 1000 萬，但實際成交 1800 萬

你是信義房屋的資料分析師。你的多元迴歸模型用坪數、樓層、屋齡、捷運距離這四個特徵預測房價。模型在多數房子上預測誤差都在 ±10% 內，看起來不錯。

但你畫了殘差圖後發現問題：

• 有幾棟頂樓豪宅，實際成交 3000 萬，模型預測只有 1200 萬，殘差高達 1800 萬：這是異常值造成的極大殘差。
• 在高房價區間（2000 萬以上），殘差不是上下隨機散落，而是呈現一個 U 形或倒 U 形的曲線：這是系統性彎曲，告訴你模型在高價區「系統性低估」。

這個彎曲形狀說明：房價在高價區段的關係不是線性的。例如，捷運距離每近 100 公尺對 500 萬房子的影響，遠不如對 3000 萬豪宅的影響：這是非線性關係，線性模型無法捕捉。

舊方法

線性迴歸對殘差的基本假設

1. 殘差應隨機分佈：理想的殘差圖應該是散點無規律地分佈在零軸附近，沒有任何趨勢或形狀，代表模型已捕捉所有系統性資訊。
2. 殘差變異數應均等（Homoscedasticity）：不論預測值大小，殘差的散布範圍應一致。如果高房價區的殘差特別大，代表異方差（Heteroscedasticity）問題。
3. 殘差應服從常態分佈：迴歸的統計推論（如 t 檢定、F 檢定）建立在殘差常態性假設上，極端異常值會破壞這個假設。
4. 特徵與目標變數的關係應為線性：線性迴歸假設每個特徵對房價的影響是固定的，與房價水準無關。如果高房價有不同的動態，線性模型就會失效。
5. 異常值的影響：單一筆極端資料點可以對迴歸係數產生很大的拉動，導致整條回歸線偏移，使多數正常資料的殘差增加。

新方法

怎麼解讀這個殘差圖

信義房屋的殘差圖顯示兩種病徵，各自對應一個違反迴歸假設的問題：

• 極大殘差：幾棟頂樓豪宅的成交價遠超模型預測，這些是異常值（Outlier）。它們可能代表特殊地段、景觀、建築設計等「不在特徵裡」的因素，或者就是市場上的稀有交易，超出一般線性關係的範疇。
• 系統性彎曲：在高房價區，殘差形成 U 形曲線（系統性低估），代表真實的房價決定因素在高價區與低價區的運作方式不同，這是非線性關係，線性模型天生無法處理。

解決方向包括：對異常值進行處理（識別後剔除或加入特殊標籤特徵）；對高度偏斜的目標變數取對數（Log Transformation）；或改用能捕捉非線性關係的模型（決策樹、隨機森林、XGBoost）。

這就是選項 C 講的：模型存在異常值（Outlier）或非線性關係，違反迴歸假設。

錯選項

為什麼其他選項是錯的

變形題

同個考點下次怎麼變形

延伸

想再往下看，這 5 個

• 線性迴歸（Linear Regression）
  本題的模型基礎，其假設（殘差隨機、方差均等、線性關係）是殘差分析的診斷標準。
• 過擬合（Overfitting）
  常與殘差大混淆，但過擬合的診斷是訓練/測試誤差差距，而非殘差圖形狀。
• 欠擬合（Underfitting）
  整體誤差高，與殘差圖系統性彎曲的病徵不同，需區分。
• 偏差方差權衡（Bias-Variance Tradeoff）
  殘差彎曲代表高偏差（High Bias）：模型在某個維度系統性錯誤，是偏差問題的一種表現。
• 異常偵測（Anomaly Detection）
  殘差圖中的極端孤立點就是異常值，異常偵測的方法可用來系統性識別和處理這些點。