Que ce soit pour utiliser une régression linéaire robuste ou un bootstrap en cas d'hétéroscédasticité?

J'ai un ensemble de données où je dois faire une régression linéaire. Malheureusement, il existe un problème d'hétéroscédasticité. J'ai relancé l'analyse en utilisant une régression robuste avec l'estimateur HC3 pour la variance et j'ai également effectué un bootstrap avec la fonction bootcov dans Hmisc pour R. Les résultats sont assez proches. Qu'est-ce qui est généralement recommandé?

regression bootstrap heteroscedasticity

— Misha
source

Quel package R avez-vous utilisé pour l'estimation HC3? sandwich, contrast?

— chl

Une autre question pendant que nous en sommes: quelle est la conception que vous envisagez, je veux dire, y a-t-il un regroupement ou plusieurs prédicteurs, ou s'agit-il d'une simple régression linéaire? Cela peut aider le lecteur à mieux comprendre le contexte de votre étude.

— chl

Avez-vous essayé de ré-exprimer la variable dépendante pour stabiliser la variance?

— whuber

J'utilise le package sandwich pour l'estimateur HC3. J'utilise simplement une régression linéaire simple. Intuitivement, je me sens plus à l'aise avec la version bootstrap et je suppose que je m'en tiendrai à cela. // thx pour l'entrée

— Misha

En économie, les erreurs standard Eicker-White ou "robustes" sont généralement signalées. Le bootstrap (malheureusement, je dirais) est moins courant. Je dirais que les estimations robustes sont la version standard.

— Charlie
source

Vous pouvez utiliser les moindres carrés généralisés, comme la fonction gls () du package nlme, qui vous permet de spécifier une fonction de variance à l'aide de l'argument weight.

— Andrew Robinson
source

Quel critère devrions-nous utiliser pour choisir la classe de fonction de variance?

— Rafael