Какие существуют методы обработки данных с гетероскедастичностью?

Некоторые методы обработки данных с гетероскедастичностью:

• Использование взвешенного метода наименьших квадратов (ВМНК, WLS). ru.wikipedia.org В этом методе каждое наблюдение взвешивается обратно пропорционально предполагаемому стандартному отклонению случайной ошибки в этом наблюдении. ru.wikipedia.org Такой подход позволяет сделать случайные ошибки модели гомоскедастичными. ru.wikipedia.org
• Замена исходных данных их производными, например, логарифмом, относительным изменением или другой нелинейной функцией. 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.wikipedia.org
• Определение «областей компетенции» моделей, внутри которых дисперсия ошибки сравнительно стабильна, и использование комбинации моделей. ru.wikipedia.org Таким образом, каждая модель работает только в области своей компетенции, и дисперсия ошибки не превышает заданное граничное значение. ru.wikipedia.org
• Манипуляции с переменными. dzen.ru Можно внести некоторые изменения в переменные, чтобы уменьшить влияние большой дисперсии на прогнозы. dzen.ru Один из способов — привести значения к процентам, то есть нормализовать. dzen.ru
• Применение нейронных сетей. cyberleninka.ru Нейронные сети достаточно хорошо аппроксимируют нелинейные функции. cyberleninka.ru Остатки, полученные с использованием нейронных сетей, представляют собой набор данных, обеспечивающих применение стандартных критериев обнаружения гетероскедастичности. cyberleninka.ru