Phải làm gì với sự không đồng nhất của phương sai khi độ lây lan giảm với giá trị phù hợp lớn hơn

Tôi đang cố gắng tạo ra một mô hình hỗn hợp tuyến tính, mã R như sau.

lme (Average.payoff ~ Game + Type + Other.Type + Game: Type + Game: Other.Type + Type: Other.Type, Random = ~ 1 | Đối tượng, phương thức = "REML", data = Subjectsm1) -> lme1

Thuật ngữ phản hồi Average.payoff là liên tục trong khi tất cả các biến giải thích đều là nhị phân.

Khi tôi đi đến xác nhận, tôi có thể thấy rõ rằng sự lây lan của phần dư giảm với các giá trị được trang bị lớn hơn. Mặc dù dường như có rất nhiều thông tin về tính không đồng nhất ở dạng phần dư tăng lên với các giá trị được trang bị lớn hơn, tôi không đọc được gì về các trường hợp tương tự như của tôi.

Tôi đã vẽ các phần dư theo từng hiệu ứng giải thích và có thể thấy rằng mức chênh lệch giảm với các giá trị được trang bị lớn hơn cho các biến Game và Type nhưng tăng cho biến Other.Type.

Nguyên nhân của việc này là gì và tôi nên làm gì với nó?

Tôi nên xem xét thêm các thuật ngữ bậc hai hoặc sử dụng mô hình phụ gia? Có một sự chuyển đổi nên được áp dụng?

Cảm ơn,

Jonathan

Thêm các thuật ngữ bậc hai sẽ có ích nếu giá trị trung bình thay đổi theo cách đó nhưng tính biến thiên nằm trong phương sai trong trường hợp của bạn. Vì chính các đồng biến gây ra sự thay đổi, nên một dạng ước lượng hàm phương sai liên quan đến các hiệp phương sai này sẽ là cách tiếp cận mà tôi đề xuất.