suljettu. Tämä kysymys on aiheen ulkopuolella . Se ei tällä hetkellä hyväksy vastauksia.
Kommentit
Vastaa
Tässä vaiheessa et ole vielä kuvannut mallisi ryhmän sisäistä heteroskedastisuusrakennetta. Kokeile weights=varPower()
kuten esimerkissä ?gls
Se poistaa heteroscedastisuuden tapauksessasi.
Vertaa:
m1 <- gls(salary ~ age*sex) plot(m1)
m2 <- gls(salary ~ age*sex, weights=varPower()) plot(m2)
Jos katsot myös luvun 5.2.1 (sivu 208) S ja S -tehosekemallit -Plusheiro ja Bates 2000, on paljon tietoa varianssitoiminnoista kohdassa nlme
. Tämä vastaus voi myös olla hyödyllinen: Regressiomallinnus epätasaisella varianssilla .
?gls
ja katsoweights
-argumentti. Jos tarvitset enemmän kuin sitä, anna toimiva esimerkki, kuten @gung huomautti.weights
-argumenttia ja huomasin, että sen on määritettävävarFunc
ja niin edelleen ,. Pienen kykynsä takia en kuitenkaan voi selvittää, miten se tehdään nimenomaan minun tapauksessani. Haluan vain tehdä varianssistani tasaisemman. Lisäksi olen lisännyt alkuperäisen tietojoukkoani ja juuri nyt se voi olla sopiva toistettavissa oleva esimerkki?