在“应用回归的 R 伴侣”的第 232 页上，Fox 和 Weisberg 注释

只有高斯族具有恒定方差，而在所有其他 GLM 中，y 在 $\bf{x}$ 处的条件方差取决于 $\mu(x)$

早些时候，他们注意到泊松的条件方差是 $\mu$，而二项式的条件方差是 $\frac{\mu(1-\mu)}{N}$。

对于高斯，这是一个熟悉且经常检查的假设（同方差性）。同样，我经常看到作为泊松回归假设讨论的泊松条件方差，以及违反它的情况（例如负二项式、零膨胀等）的补救措施。然而，我从未将二项式的条件方差视为逻辑回归中的假设。一点谷歌搜索没有发现任何提及它。

我在这里想念什么？

在@whuber 的评论之后编辑：

正如建议的那样，我正在浏览 Hosmer & Lemeshow。这很有趣，我认为它说明了为什么我（也许还有其他人）感到困惑。例如，“假设”一词不在该书的索引中。此外，我们有这个（第 175 页）

在逻辑回归中，我们必须主要依赖视觉评估，因为模型拟合假设下的诊断分布仅在某些有限的环境中已知

它们显示了很多图，但集中在各种残差与估计概率的散点图上。这些图（即使对于一个好的模型，在 OLS 回归中也没有类似图的“斑点”模式特征，因此更难判断。此外，它们与分位数图没有任何相似之处。

在 R 中，plot.lm 提供了一组很好的默认图来评估模型；我不知道逻辑回归的等价物，尽管它可能在某些包中。这可能是因为每种类型的模型都需要不同的图。SAS 确实在 PROC LOGISTIC 中提供了一些图。

这当然似乎是一个潜在的混乱领域！