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？
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？
- A. 對X進行標準化（Standardization）
- B. 對Y進行Box-Cox轉換（Box-Cox Transformation） ✓ 正確答案
- C. 對資料進行一次差分（First Differencing）
- D. 將Y中變異較大的樣本移除
詳細解析
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。
出題年份：114 難度：★★☆