Se deve usar regressão linear robusta ou bootstrapping quando houver heterocedasticidade?

Eu tenho um conjunto de dados em que preciso fazer regressão linear. Infelizmente, há um problema com a heterocedasticidade. Executei novamente a análise usando regressão robusta com o estimador HC3 para a variância e também fiz bootstrap com a função bootcov no Hmisc para R. Os resultados são bem próximos. O que geralmente é recomendado?

regression bootstrap heteroscedasticity

— Misha
fonte

Qual pacote R você usou para a estimativa de HC3? sandwich, contrast?

— chl

Outra pergunta enquanto estamos: qual é o design que você está considerando, quero dizer, existe algum preditivo de cluster ou múltiplos ou é uma regressão linear simples? Isso pode ajudar o leitor a entender melhor o contexto do seu estudo.

— chl

Você tentou re-expressar a variável dependente para estabilizar a variação?

— whuber

Estou usando o pacote sanduíche para o estimador HC3. Estou usando apenas regressão linear simples. Intuitivamente, me sinto mais à vontade com a versão de bootstrap e acho que vou continuar com isso. // thx para a entrada

— Misha

Em economia, os erros padrão Eicker-White ou "robustos" são normalmente relatados. Bootstrapping (infelizmente, eu diria) é menos comum. Eu diria que as estimativas robustas são a versão padrão.

— Charlie
fonte

Você pode usar mínimos quadrados generalizados, como a função gls () do pacote nlme, que permite especificar uma função de variação usando o argumento de peso.

— Andrew Robinson
fonte

Que critério devemos usar para escolher a classe da função de variação?

— Rafael