Zakładając, że problem występuje w twoich resztkach (ponieważ sam rozkład zmiennej wynikowej zwykle nie stanowi problemu), chciałbym raczej zbadać przyczynę problemu, niż próbować go „naprawić” poprzez transformację lub zastosowanie model nieparametryczny.
Jeśli tak jest, wydaje się, że istnieje tendencja (np. Stopniowe zbliżanie się do normalności) lub wyraźna przerwa pomiędzy przejściem z normalnej do normalnej, to sugeruje jakąś „zmianę reżimu” w twoje dane (tj. mechanizm generowania danych zmienia się w czasie) lub jakiś problem z brakującą zmienną.
Jeśli jest tak, że nie ma oczywistego wzorca (np. Przedziały czasowe 1 i 3 wyglądają normalnie, a przedziały czasowe 2 i 4 nie wyglądają), bardzo ostrożnie szukałem problemu z integralnością danych.
Prostym sposobem sprawdzenia, czy masz zmianę reżimu, jest oszacowanie modelu przy użyciu tylko „normalnych” przedziałów czasowych, a następnie ponowne oszacowanie przy użyciu innych przedziałów czasowych i sprawdzenie, jaka różnica występuje. Bardziej skomplikowanym podejściem jest zastosowanie modelu klasy ukrytej, być może z czasem jako zmienną towarzyszącą.
Jeśli chodzi o twoje pytanie na temat nieparametrycznych modeli efektów mieszanych, zależy to od tego, co rozumiesz przez nieparametryczny. Jeśli masz na myśli modele, które nie zakładają liczbowej zmiennej zależnej, istnieje wiele takich modeli (np. LIMDEP ma sporo). Należy również pamiętać, że naruszenie założenia normalności będzie prawdopodobnie problematyczne tylko z perspektywy wnioskowania, jeśli próbka jest niewielka. Jednym ze sposobów zbadania tego byłoby wypróbowanie różnych transformacji omówionych w innych komentarzach i odpowiedziach i sprawdzenie, czy ma to duży wpływ na twoje wnioski.