Ob robuste lineare Regression oder Bootstrapping bei Heteroskedastizität verwendet werden soll?

Ich habe einen Datensatz, in dem ich eine lineare Regression durchführen muss. Leider gibt es ein Problem mit der Heteroskedastizität. Ich habe die Analyse unter Verwendung einer robusten Regression mit dem HC3-Schätzer für die Varianz erneut ausgeführt und auch das Bootstrapping mit der Bootcov-Funktion in Hmisc für R durchgeführt. Die Ergebnisse sind ziemlich nahe. Was wird allgemein empfohlen?

regression bootstrap heteroscedasticity

— Mischa
quelle

Welches R-Paket haben Sie für die HC3-Schätzung verwendet? sandwich, contrast?

— Chl

Eine andere Frage, während wir uns gerade befinden: Was ist das Design, das Sie in Betracht ziehen? Ich meine, gibt es Clustering oder mehrere Prädiktoren oder handelt es sich um eine einfache lineare Regression? Dies kann dem Leser helfen, den Kontext Ihrer Studie besser zu verstehen.

— Chl

Haben Sie versucht, die abhängige Variable erneut auszudrücken, um die Varianz zu stabilisieren?

— whuber

Ich verwende das Sandwich-Paket für den HC3-Schätzer. Ich benutze nur einfache lineare Regression. Intuitiv fühle ich mich mit der Bootstrap-Version wohler und ich denke, ich bleibe dabei. // Danke für die Eingabe

— Misha

In der Wirtschaft werden typischerweise die Eicker-White- oder "robusten" Standardfehler gemeldet. Bootstrapping (leider würde ich sagen) ist weniger verbreitet. Ich würde sagen, dass die robusten Schätzungen die Standardversion sind.

— Charlie
quelle

Sie können verallgemeinerte kleinste Quadrate verwenden, z. B. die Funktion gls () aus dem Paket nlme, mit der Sie mithilfe des Gewichtsarguments eine Varianzfunktion angeben können.

— Andrew Robinson
quelle

Nach welchem Kriterium sollten wir die Varianzfunktionsklasse auswählen?

— Rafael