【发布时间】：2020-06-06 14:59:26
【问题描述】：
我正在建模多元线性回归。我使用 bptest 函数来测试异方差性。结果显着性小于0.05。
如何解决异方差问题？
【问题讨论】：
标签： r validation data-science linear-regression
【发布时间】：2020-06-06 14:59:26
【问题描述】：
尝试使用不同类型的线性回归
普通最小二乘法 (OLS) 用于同方差性。
加权最小二乘 (WLS) 用于无相关误差的异方差性。
广义最小二乘法 (GLS) 用于具有相关误差的异方差性。
【讨论】：
欢迎来到 SO，阿伦。
就个人而言，我不认为异方差是你“解决”的问题。相反，您需要在模型中允许这样做。
您没有向我们提供任何数据，因此我们假设您的残差方差随预测变量的大小而增加。通常，处理它的一种简单方法是转换数据，使方差保持不变。这样做的一种方法可能是对数据进行日志转换。这可能会给你一个更恒定的方差。但它也会改变你的模型。您的错误不再是 IID。
或者，您可能有两组观测值要与 t 检验进行比较，其中一组的方差大于另一组的方差。这是一种不同的异方差性。有一些标准“合并方差”t 检验的变体可以解决这个问题。
我意识到这不是传统意义上的您问题的答案。我本来可以发表评论的，但在开始之前我就知道我需要的字数比评论所允许的要多。
【讨论】：