其余三个都是线性处理，不改变异方差

当一元线性回归模型的残差出现异方差（即残差的方差不是恒定的）时，这违反了线性回归模型假设之一，会影响模型估计的有效性和稳健性。为了解决异方差问题，我们可以考虑以下方法：

**正确答案：B: 对因变量做线性变换**

**专业分析：**

1. **对因变量做线性变换**:
- **解释**：对因变量进行变换，如对数变换、平方根变换或Box-Cox变换，可以稳定因变量的方差，减轻或消除异方差的影响。
- **例子**：如果方差与因变量的平方成比例，可以尝试对因变量进行对数变换。

2. **对自变量做线性变换**:
- 这种方法通常用于处理自变量与因变量之间的关系不线性的问题，并不直接针对异方差，因此不是解决异方差的最佳选择。

3. **对自变量做非线性变换**:
- 与对自变量做线性变换类似，这种方法适用于调整模型拟合的非线性关系，也不是直接针对异方差的处理方法。

4. **自变量做归一化处理**:
- 归一化通常用于提高模型训练的数值稳定性和加速收敛，但对异方差问题影响有限，因为它不改变误差结构。

因此，对于解决异方差问题，最直接有效的方法是对因变量进行适当的变换。这样可以更好地满足回归分析的假设，提高模型估计的精度和稳健性。