Ya sea para usar una regresión lineal robusta o bootstrapping cuando hay heterocedasticidad?

Tengo un conjunto de datos donde necesito hacer una regresión lineal. Desafortunadamente hay un problema con la heterocedasticidad. He vuelto a ejecutar el análisis utilizando una regresión robusta con el estimador de HC3 para la varianza y también he hecho bootstrapping con la función bootcov en Hmisc para R. Los resultados son bastante cercanos. ¿Qué se recomienda generalmente?

regression bootstrap heteroscedasticity

— Misha
fuente

¿Qué paquete de R usaste para la estimación de HC3? sandwich, contrast?

— chl

Otra pregunta mientras estamos en: ¿Cuál es el diseño que está considerando? Quiero decir, ¿hay algún agrupamiento o predictores múltiples, o es una regresión lineal simple? Esto puede ayudar al lector a comprender mejor el contexto de su estudio.

— chl

¿Has intentado volver a expresar la variable dependiente para estabilizar la varianza?

— whuber

Estoy usando el paquete sandwich para el estimador HC3. Estoy usando una simple regresión lineal. Intuitivamente me siento más cómodo con la versión bootstrap y creo que me quedaré con eso. // gracias por la entrada

— Misha

En economía, generalmente se informan los errores estándar de Eicker-White o "robusto". Bootstrapping (por desgracia, diría) es menos común. Yo diría que las estimaciones robustas son la versión estándar.

— Charlie
fuente

Puede usar mínimos cuadrados generalizados, como la función gls () del paquete nlme, que le permite especificar una función de varianza utilizando el argumento de peso.

— Andrew Robinson
fuente

¿Qué criterio debemos usar para elegir la clase de función de varianza?

— Rafael