这些残差的分布在我看来还不错。有了 x 的这种排列，您期望价差应该是什么样子？（我更担心转换会使您的平均函数在 x 中非线性。）

具体来说，如果我生成具有类似 x 模式且 y 具有恒定方差的随机数据，则残差图通常看起来像这样。请注意，您对传播的印象在很大程度上受到每个 x 处的残差范围的影响，即使在 sd 恒定的情况下，随着 x 密度变薄，残差范围也会平均缩小。

这是四个残差图示例，其中数据是随机生成的——每个 x 处的人口分布是恒定的（我知道，因为我以这种方式生成了数据）。如您所见，这些图的外观与您的大致相似，看起来像模糊的椭圆点云（有点让人联想到Stewie Griffin 的头部形状）。

当 x 模糊正常时，残差图应该是这样的。因此，如果这是您的反对意见，那不仅不是问题，而是您希望看到的。

现在让我们假设我们有实际异方差的明确证据。我们可以忽略它吗？

嗯，这取决于。您对标准偏差的估计（例如回归系数）将有偏差。您在测试中的 p 值将是错误的。置信区间会出现偏差，预测区间在某些地方太窄而在其他地方太宽。

如果您不做任何这些事情，那可能就没那么重要了；估计系数的一些低效率可能是最糟糕的。