不等分散の回帰モデリング

残差分散が説明変数に明らかに依存している線形モデル（lm）を近似したいと思います。

私がこれを行う方法は、ガンマファミリでglmを使用して分散をモデル化し、その逆関数をlm関数の重みに入れることです（例：http : //nitro.biosci.arizona.edu/r/chapter31 .pdf）

私は考えていた：

• これが唯一のテクニックですか？
• 関連する他のアプローチは何ですか？
• このタイプのモデリングに関連するRパッケージ/機能は何ですか？（glm、lm以外）

「メガホン効果」に対する丸薬には次のものが含まれます（とりわけ）。

1. $Y$。これは正確ではありませんが、時には拡大を抑えます。
2. 重み付き最小二乗回帰を使用します。このアプローチでは、各観測に独自の分散係数が与えられます。この回答は、RでWLSRを使用する方法を示しています（たとえば、残差の分散が平均に比例する場合、重みなしモデルの適合値の逆数を重みとして提供できます）。
3. ロバスト回帰を使用します。R rlm()のMASSパッケージの関数はM推定を行います。これは、不等式の分散に対してロバストであると想定されています。

2017年7月編集： Greg Snowの回答で示唆されているように、一般化最小二乗は最良の選択肢の1つであるようです。

gamlssのパッケージあなたは、線形、非線形、または説明変数の平滑関数としての応答の誤差分布をモデル化することができます。これは非常に強力なアプローチのようです（私は多くを学びましたモデル選択プロセス中に発生する可能性のあるすべての可能性について）。上記のリンクで参照されるいくつかの出版物（書籍を含む）ですべてがうまく説明されています。

R glsのnlmeパッケージ内の関数は、回帰と分散との関係を同時に推定できます。weightsヘルプページの引数と2番目の例を参照してください。