Как бороться с проблемой гетероскедастичности в экономических моделях?

Несколько способов бороться с проблемой гетероскедастичности в экономических моделях:

• Использование взвешенного метода наименьших квадратов (ВМНК, WLS). ru.ruwiki.ru ru.wikipedia.org В этом методе каждое наблюдение взвешивается обратно пропорционально предполагаемому стандартному отклонению случайной ошибки в этом наблюдении. ru.ruwiki.ru ru.wikipedia.org Такой подход позволяет сделать случайные ошибки модели гомоскедастичными. ru.ruwiki.ru ru.wikipedia.org
• Замена исходных данных их производными, например, логарифмом, относительным изменением или другой нелинейной функцией. ru.ruwiki.ru ru.wikipedia.org Этот подход часто используется в случае увеличения дисперсии ошибки с ростом значения независимой переменной и приводит к стабилизации дисперсии в более широком диапазоне входных данных. ru.ruwiki.ru ru.wikipedia.org
• Определение «областей компетенции» моделей, внутри которых дисперсия ошибки сравнительно стабильна, и использование комбинации моделей. ru.ruwiki.ru ru.wikipedia.org Таким образом, каждая модель работает только в области своей компетенции, и дисперсия ошибки не превышает заданное граничное значение. ru.ruwiki.ru ru.wikipedia.org
• Использование робустных стандартных ошибок. 1-fin.ru Этот подход позволяет получать надёжные оценки стандартных ошибок даже при наличии гетероскедастичности. 1-fin.ru

Также для борьбы с гетероскедастичностью можно использовать кластеризацию данных, чтобы бороться с неоднородностью объектов. eduherald.ru