39. 下列何者不是迴歸分析的基本假定?
(A)自變項的變異數必須有齊一性或等分散性
(B)自變項之間必須要具有獨立性
(C)與依變項凈相關最大自變項應該要剃除
(D)不管預測變項的分數高低，效標變項的估計標準誤都一樣大

對我來說
都是外星文字.......(暈)

(a)回歸模型是要建立一個預測的方程式，因此個點資料必須要有跡可循。->o

(b)每個點都是獨立的資料->o

(c)誤差為最小=0，不用剔除->x

(d)每一個誤差都呈現常態分配->o

統計門外漢，自己的理解！歡迎高手指正討論

回歸分析: 從結果判定未來發展

變異數齊一性

例如要研究影響甲，乙班數學段考成績的各種因素相關性，必須先確認2班學生數學程度的差異性(變異數)是否相近，如果甲班大多數學生考績及格，乙班大多數不及格，程度相差過大，不適合進行分析，以免誤差過大，使統計分析無法正確反映或預測資料的特性，以上個人小小體會，有錯再請高手指正。

迴歸分析針對殘差的部分存在幾項基本的假設，其假設包含：

（1）常態性

若母體資料呈現常態分配，則誤差項也會呈現常態分配。

（2）變異數同質性  (A)(D)

亦稱為「變異數齊一性」、「變異數均質性」、「變異數等分散性」。

當以X1,X2,……,Xp等p個自變項預測一個依變項Y時，不論這p個自變項的可能組合值為何，它們所對應依變項Y的各種可能值所構成的分配將呈常態分配，該分配的分散情形將都相同，都是估計標準誤(standard error of estimate，SE)。

（3）獨立性 (B)

自變數的誤差項，相互之間應該是獨立的，也就是誤差項與誤差項之間没有相互關係，否則在估計迴歸參數時，會降低統計的檢定力，我們可以藉由殘差(Residuals)的圖形分析來檢查，尤其是與時間序列和事件相關的資料，特別需要注意去處理。

多元迴歸分析的順向選擇法是自變項一個一個放入迴歸模式中，

首先放入的是與依變項之間有最大正相關或最大負相關者，

之後的每一個步驟是選取與依變項間的淨相關為最大之自變項。(C)

請問有大神可以用生活化的例子舉例說明嗎？我還是看不懂選項裡提到的變異數齊一性 那些專有名詞