因变量离散程度越高，可预测难度越大？

讨论话题：

利用同一个模型和相同的自变量，对700个因变量进行拟合。结果发现：随着因变量变异系数的增大，因变量通过模型精度设定口径的机会就越小。即：因变量变异性越大，那么可预测性越低。另外，针对该情况，采用了零膨胀模型去拟合，结果该模型在离散度较高的因变量上表现出的通过率要比其他模型高。

问题：
因变量变异性越大，那么可预测性越低？该论点是否成立？若不成立，对于离散程度较高的因变量，该采用什么样的模型去建模比较有效？（除了零膨胀模型）

另外，对因变量取对数也是降低这种变异的一种方法。

欢迎高手赐教和讨论！谢谢！

顶起来，学习一下

没人对这方面熟悉吗？