Quiero hacer una regresión de y~x (sólo 1 dependiente y 1 de la variable independiente), pero tengo heterocedasticidad. La variabilidad de y aumenta a medida que x aumenta. Para lidiar con esto, me gustaría utilizar mínimos cuadrados ponderados a través de la "gls()" función en R.

Pero tengo que admitir que no entiendo cómo usarlo. Tengo que aplicar una variación de la función de los «pesos» argumento de la gls función. Pero yo no se cuál elegir y cómo usarlo.

OriginalEl autor user1671537 | 2013-07-01

1 Comentario

  1. 6

    He aquí un ejemplo de cuidar de poisson recuento de datos donde la variación será proporcional a la media (que suena como que usted tiene).

    fit = lm (y ~ x, data=dat,weights=(1/dat$x^2))

    Utilizar el recipricol como el peso, ya que será la multiplicación de los valores. Plaza para tomar el cuidado de Poisson recuento de los datos debido a la variación en unidades al cuadrado. Puedes hacer algo como:

    fit = lm (y ~ x, data=dat,weights=(1/dat$x))

    Simplemente escala por el valor de x y ver lo que funciona mejor.

    ¿Cómo puedo evaluar si funciona mejor. El valor devuelto por la prueba de Bartlett es el mismo con y sin el «peso» de un argumento. Aquí está mi código: a2=leer.tabla(«total37.txt»,header=TRUE) m1=lm(Res~ModeF, a2, pesos=1/a2$ModeF^2) m2=lm(Res~ModeF, a2) de bartlett.de prueba(residuos(m1)~a2$ModeF)) Bartlett datos de prueba: residuos(m1) y a2$ModeF de Bartlett K-cuadrado = 35.2706, df = 11, p-valor = 0.0002236 bartlett.de prueba(residuos(m2)~a2$ModeF)) Bartlett datos de prueba: residuos(m2) y a2$ModeF de Bartlett K-cuadrado = 35.2706, df = 11, p-valor = 0.0002236

    OriginalEl autor Chrismit

Dejar respuesta

Please enter your comment!
Please enter your name here