如何纠正多元线性回归模型的异方差性答案

【问题标题】：How to rectify heteroscedasticity for multiple linear regression model如何纠正多元线性回归模型的异方差性
【发布时间】：2020-03-06 17:36:09
【问题描述】：

我正在拟合具有 6 个预测变量（3 个连续变量和 3 个分类变量）的多元线性回归模型。残差与拟合图表明存在异方差性，也被bptest()证实。

我还计算了我的训练数据和测试数据的 sqrt，如下所示：

sqrt(mean(sales_train_lm_pred-sales_train$SALES)^2)

23533.665

 sqrt(mean(sales_test_lm_pred-sales_test$SALES)^2)

23556.036

我试图拟合 glm() 模型，但仍然没有纠正异方差性。

 glm.test3<-glm(SALES~.,weights=1/sales_fitted$.resid^2,family=gaussian(link="identity"), data=sales_train)

你能帮我下一步该怎么做吗？

提前致谢！

【问题讨论】：

【解决方案1】：

您观察到数据的异方差性意味着方差不是平稳的。您可以尝试以下方法：

1) 将带有合适lambda 的单参数Box-Cox transformation（其中对数变换是一种特殊情况）应用于数据集中的一个或多个变量。最佳lambda 可以通过查看其对数似然函数来确定。看看MASS::boxcox。

2) 使用您的功能集（减少、增加、添加新变量）。

2) 使用加权线性回归方法。

【讨论】：

非常感谢你们两位，我尝试以对数比例转换我的数据，Box-Cox 转换，也减少/增加变量，但不适用于我的数据。接下来我将尝试使用加权线性回归方法。我是新手，想弄清楚。
@Aifen 没问题。如果您喜欢这个答案，请考虑支持或接受。