El modelo apropiado depende de cómo la variación alrededor de la media entra en las observaciones. Bien puede venir en forma multiplicativa o aditiva ... o de alguna otra manera.
Incluso puede haber varias fuentes de esta variación, algunas de las cuales pueden ingresar de forma multiplicativa y otras que entran de manera aditiva y otras de una manera que tampoco puede caracterizarse realmente.
A veces hay una teoría clara para establecer cuál es la adecuada. A veces, reflexionar sobre las principales fuentes de variación sobre la media revelará una elección adecuada. Con frecuencia, las personas no tienen una idea clara de qué usar, o si varias fuentes de variación de diferentes tipos pueden ser necesarias para describir adecuadamente el proceso.
Con el modelo log-lineal, donde se usa la regresión lineal:
Iniciar sesión( Pt) = l o g( Po) + α log(Vt) + ϵ
el modelo de regresión OLS supone una variación constante de la escala logarítmica, y si ese es el caso, los datos originales mostrarán una extensión creciente sobre la media a medida que aumenta la media.
Por otro lado, este tipo de modelo:
PAGt= Po( Vt)α+ ϵ
generalmente se ajusta por mínimos cuadrados no lineales, y nuevamente, si se ajusta la varianza constante (el valor predeterminado para NLS), entonces la propagación sobre la media debe ser constante.
[Puede tener la impresión visual de que la propagación está disminuyendo a medida que aumenta la media en la última imagen; eso es en realidad una ilusión causada por la pendiente creciente: tendemos a juzgar la extensión ortogonal a la curva en lugar de verticalmente para obtener una impresión distorsionada.]
Si tiene una propagación casi constante en la escala original o en la escala logarítmica, eso podría sugerir cuál de los dos modelos se ajusta, no porque demuestre que es aditivo o multiplicativo, sino porque conduce a una descripción adecuada de la propagación, así como a la media.
Por supuesto, uno también podría tener la posibilidad de un error aditivo que tuviera una varianza no constante.
Sin embargo, todavía hay otros modelos en los que se pueden ajustar tales relaciones funcionales que tienen diferentes relaciones entre la media y la varianza (como un GLM de Poisson o cuasi-Poisson, que se ha extendido proporcionalmente a la raíz cuadrada de la media).