原書第 10 章 Practice Problem 6 與 residual diagnostics：用殘差圖判斷簡單線性迴歸是否適合資料，而不是只看方程式與 R²。
一個迴歸分析的殘差圖出現一段連續為正、接著一段連續為負的 sizable clusters。問題是：這是否表示模型仍可安全拿來預測？
| 檢查項目 | 原書判準 |
|---|---|
| Residual | yi − ŷi |
| 理想殘差圖 | 在 0 周圍隨機散布 |
| 不理想型態 1 | Curvilinear pattern |
| 不理想型態 2 | Funnel pattern／變異隨 x 系統性改變 |
| 本案例 | 連續正殘差與負殘差形成群聚 |
Data → Data Analysis → Regression，輸入 Y 與 X Range，勾選 Residuals／Residual Plots；必要時同時查看 Standardized Residuals。不要只依 R² 判斷模型。
原書對 Practice Problem 6 的判讀是：殘差有明顯 pattern，存在大量連續的正值群與負值群，這表示 linearity assumption 被違反，應進一步研究 curvilinear model。
一個模型即使產生漂亮方程式，只要殘差仍呈現可預測的系統性圖案，就代表直線沒有捕捉完資料結構。好的 residual plot 應像隨機噪音般散在零附近；若看到曲線、群聚或漏斗形，就需要重新檢查模型形式與變異假設。
請根據殘差圖的文字描述判斷 simple linear regression 是否合適：殘差先連續為正，再連續為負，形成明顯群聚。請說明這對 linearity assumption 代表什麼，以及下一步應檢查什麼模型。
**問題：**若殘差在小 x 時很集中、在大 x 時逐漸張開成漏斗形，代表什麼？