У меня есть график остаточных значений линейной модели в зависимости от подогнанных значений, где гетероскедастичность очень ясна. Однако я не уверен, как мне поступить сейчас, потому что, насколько я понимаю, эта гетероскедастичность делает мою линейную модель недействительной. (Это правильно?)
Используйте надежную линейную аппроксимацию, используя
rlm()
функциюMASS
пакета, потому что он явно устойчив к гетероскедастичности.Поскольку стандартные ошибки моих коэффициентов неверны из-за гетероскедастичности, я могу просто настроить стандартные ошибки, чтобы они были устойчивы к гетероскедастичности? Используя метод, опубликованный в Переполнении стека здесь: регрессия с гетероскедастичностью, исправленная стандартными ошибками
Какой метод лучше всего использовать для решения моей проблемы? Если я использую решение 2, мои возможности предсказания моей модели совершенно бесполезны?
Тест Брейша-Пэгана подтвердил, что дисперсия не постоянна.
Мои остатки в зависимости от установленных значений выглядят так:
(увеличенная версия)
gls
одну из дисперсионных структур из пакета nlme.