iPAS 考題解析某研究人員欲使用線性迴歸模型（Linear Regression Model）分析變數Y與X之間的關係，但發現Y的分佈明顯右偏，且其變異數隨X的增大而增加。為滿足模型假設並提升預適效果，下列哪一種前處理方法最為合適？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：B. 對Y進行Box-Cox轉換（Box-Cox Transformation）
Box-Cox轉換是針對目標變數（Y）的正向化轉換，能同時處理右偏分佈和異方差（變異數不齊一）問題，使Y更接近常態分佈，滿足線性迴歸的殘差常態性假設。
每個選項為什麼對或錯
-
A 對X進行標準化（Standardization） 錯誤選項
對X標準化只改變X的尺度，不能解決Y的右偏和異方差問題。
-
B 對Y進行Box-Cox轉換（Box-Cox Transformation） 正解
Box-Cox轉換可以同時處理Y的偏態和異方差，是此情境的最佳前處理方法。
-
C 對資料進行一次差分（First Differencing） 錯誤選項
一次差分用於消除時間序列的非定態性，不適用於截面資料的偏態問題。
-
D 將Y中變異較大的樣本移除 錯誤選項
移除變異大的樣本可能損失重要資訊，且不是處理異方差的正確方法。
答案、題目或解析有問題？回報這題