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 个连续变量和 3 个分类变量)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，这一点也得到了 bptest() 的证实。
我不知道接下来要做什么。首先，我的因变量是合理对称的(我认为我不需要尝试对 DV 进行转换)。我的连续预测变量也不是高度偏斜的。我想在 lm() 中使用权重；但是，我怎么知道要使用什么权重？
有没有办法自动生成用于执行加权最小二乘法的权重？或者你有其他方法吗？
最佳答案
处理异方差的一种明显方法是估计异方差一致标准误。大多数情况下，它们被称为稳健或白色标准错误。
您可以通过多种方式在 R 中获得稳健的标准误差。下一页描述了在 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，有时有更微妙且通常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这样一种情况:数据集中的标准误差是异质的，但组(集群)内是同质的。在这种情况下，您可能希望应用聚类标准错误。请参阅以下链接以计算 R 中的聚类标准误差:
https://economictheoryblog.com/2016/12/13/clustered-standard-errors-in-r
关于r - 如何用R处理OLS中的异方差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/24396403/