如何用R来处理OLS中的异方差性

Question

我正在使用OLS方法拟合标准多元回归。我有5个预测变量（2个连续和3个分类）加上2个双向交互项。我使用残差与拟合图进行了回归诊断。异方差性非常明显，bptest（）也证实了这一点。

我不知道接下来该做什么。首先，我的因变量是相当对称的（我不认为我需要尝试转换我的DV）。我的连续预测因素也没有高度倾斜。我想在lm（）中使用权重;但是，我怎么知道要使用什么重量？

有没有办法自动生成权重以执行加权最小二乘？或者你还有其他方法吗？

Answer 1

处理异方差性的一个明显方法是估计异方差性一致的标准误差。大多数情况下，它们被称为强健或白色标准错误。

您可以通过多种方式获得R中的强大标准错误。以下页面描述了在R中获得稳健标准错误的一种可能且简单的方法：

https://economictheoryblog.com/2016/08/08/robust-standard-errors-in-r

然而，有时会有更微妙且更精确的方法来处理异方差性。例如，您可能会遇到分组数据，并发现自己处于数据集中标准错误异构的情况，但在组（集群）中是同质的。在这种情况下，您可能希望应用群集标准错误。请参阅以下链接以计算R中的聚类标准错误：

https://economictheoryblog.com/2016/12/13/clustered-standard-errors-in-r

Answer 2

您的样本量是多少？我建议你使标准错误对异方差性有很强的作用，但你不要担心异方差性。原因是无论是否存在异方差性，您的参数估计都是无偏的（即它们都是正常的）。受影响的唯一因素（在线性模型中！）是方差 - 协方差矩阵，即参数估计的标准误差将受到影响。除非你只关心预测，否则调整标准误差对于异方差应该是稳健的。

参见例如here如何在R中执行此操作。

顺便说一句，对于您的权重解决方案（这不是我建议的），您可能需要从?gls包中查看nlme。