Некоторые методы для коррекции моделей регрессии при нарушении классических предпосылок:

• Устранение мультиколлинеарности. 12 Для этого можно добавить новые переменные, увеличить размер выборки, увеличить дисперсии объясняющих переменных, объединить коррелированные переменные в совокупный индекс или исключить некоторые из них. 1
• Устранение гетероскедастичности. 1 Модель оценивается взвешенным методом наименьших квадратов (ВМНК), а стандартные ошибки, полученные с помощью МНК, корректируются по методу Уайта. 1
• Устранение автокорреляции. 1 Модель оценивается нелинейным методом наименьших квадратов (НМНК), а стандартные ошибки, полученные с помощью МНК, корректируются по методу Ньюи-Веста. 1

Также для коррекции моделей регрессии при нарушении предпосылок могут использоваться методы на основе машинного обучения, например, искусственные нейронные сети, метод опорных векторов, композиционные методы на основе решающих деревьев. 3