Liệu nên sử dụng hồi quy tuyến tính mạnh mẽ hoặc bootstrapping khi có sự không đồng nhất?

Tôi có một bộ dữ liệu mà tôi cần phải thực hiện hồi quy tuyến tính. Thật không may, có một vấn đề với sự không đồng nhất. Tôi đã chạy lại phân tích bằng cách sử dụng hồi quy mạnh mẽ với công cụ ước tính HC3 cho phương sai và cũng đã thực hiện bootstrapping với chức năng bootcov trong Hmisc cho R. Kết quả khá gần. Những gì thường được đề nghị?

regression bootstrap heteroscedasticity

— Misha
nguồn

Gói R nào bạn đã sử dụng để ước tính HC3? sandwich, contrast?

— chl

Một câu hỏi khác trong khi chúng tôi đang ở: Thiết kế bạn đang xem xét là gì, ý tôi là có bất kỳ cụm hoặc nhiều dự đoán, hoặc đó là một hồi quy tuyến tính đơn giản? Điều này có thể giúp người đọc hiểu rõ hơn về bối cảnh học tập của bạn.

— chl

Bạn đã thử thể hiện lại biến phụ thuộc để ổn định phương sai chưa?

— whuber

Tôi sử dụng gói bánh sandwich cho công cụ ước tính HC3. Tôi chỉ sử dụng hồi quy tuyến tính đơn giản. Theo trực giác tôi cảm thấy thoải mái hơn với phiên bản bootstrap và tôi đoán tôi đã gắn bó với điều đó. // thx cho đầu vào

— Misha

Trong kinh tế học, các lỗi tiêu chuẩn Eicker-White hoặc "mạnh mẽ" thường được báo cáo. Bootstrapping (không may, tôi muốn nói) là ít phổ biến hơn. Tôi muốn nói rằng các ước tính mạnh mẽ là phiên bản tiêu chuẩn.

— Charlie
nguồn

Bạn có thể sử dụng bình phương tối thiểu tổng quát, chẳng hạn như hàm gls () từ gói nlme, cho phép bạn chỉ định hàm phương sai bằng cách sử dụng đối số trọng số.

— Andrew Robinson
nguồn

Tiêu chí nào chúng ta nên sử dụng để chọn lớp hàm phương sai?

— Rafael