Chciałbym dopasować model liniowy (lm), w którym wariancja reszt jest wyraźnie zależna od zmiennej objaśniającej.
Wiem, że to robię, używając glm z rodziną Gamma do modelowania wariancji, a następnie umieść odwrotność w wagach funkcji lm (przykład: http://nitro.biosci.arizona.edu/r/chapter31 .pdf )
Zastanawiałem się:
- Czy to jedyna technika?
- Jakie inne podejścia są istotne?
- Jakie pakiety R / funkcje istotne dla tego typu modelowania? (inne niż glm, lm)
glm()
a następnielm()
w rozdziale, do którego prowadzi link. Wydaje mi się, żeglm()
to wszystko, co jest tam wymagane i użyte, ale mogłem coś przeoczyć. Możesz wypróbować uogólnione najmniejsze kwadraty (gls()
w nlme ), które pozwalają oszacować wagi w celu kontroli rodzaju heteroscedastyczności, o której wspominasz; zobacz?varFunc
i postępuj zgodnie z linkami stamtąd. IIRCvarFixed()
zrobi, co chcesz.