Was ist mit der Heterogenität der Varianz zu tun, wenn die Streuung mit größeren angepassten Werten abnimmt?

9

Ich versuche ein lineares gemischtes Modell zu erzeugen. Der R-Code lautet wie folgt.

lme (Average.payoff ~ Spiel + Typ + Andere.Typ + Spiel: Typ + Spiel: Andere.Typ + Typ: Andere.Typ, zufällig = ~ 1 | Subjekte, Methode = "REML", Daten = Subjektsm1) -> lme1

Der Antwortterm Average.payoff ist stetig, während alle erklärenden Variablen binär sind.

Wenn ich zur Validierung komme, kann ich deutlich sehen, dass die Streuung der Residuen mit größeren angepassten Werten abnimmt. Obwohl es eine Menge Informationen über Heterogenität in der Form zu geben scheint, in der die Residuen mit größeren angepassten Werten zunehmen, habe ich nichts über Fälle gelesen, die meinen eigenen ähnlich sind.

Ich habe die Residuen gegen jeden erklärenden Effekt aufgetragen und kann sehen, dass der Spread mit größeren angepassten Werten für die Variablen Game und Type abnimmt, für die Variable Others.Type jedoch zunimmt.

Was ist die Ursache dafür und was soll ich dagegen tun?

Sollte ich versuchen, quadratische Terme hinzuzufügen oder additive Modellierung zu verwenden? Gibt es eine Transformation, die angewendet werden sollte?

Vielen Dank,

Jonathan

Jonathan Bone
quelle

Antworten:

1

Das Hinzufügen quadratischer Terme würde helfen, wenn der Mittelwert auf diese Weise variiert, die Variabilität jedoch in Ihrem Fall in der Varianz liegt. Da es die Kovariaten sind, die die Änderung verursachen, würde ich eine Form der Varianzfunktionsschätzung unter Einbeziehung dieser Kovariaten empfehlen.

Michael R. Chernick
quelle
1
Hi @Michael - Kannst du hier mehr Details geben? Für manche ist es möglicherweise nicht klar, wie Sie eine funktionale Form für die Fehlervarianz in ein Regressionsmodell integrieren können. Hattest du etwas Bestimmtes im Sinn?
Makro
2
1
Siehe Carroll et al. S. 79 bis 85 und Fuller .
Michael R. Chernick