方差分析：处理线性回归模型中的异方差

实施多种测试、建模和经典线性回归中异方差的修正模型。最新颖的贡献包位于实现as-yet-unpublished的函数中辅助线性方差模型和辅助非线性方差设计用于估计异方差中误差方差的模型线性回归模型。这些模型遵循统计原理Hastie（2009）中描述的学习<doi:10.1007/978-0-387-21606-5>. 使用拟似然估计模型的非线性版本方法如Seber and Wild（2003，ISBN:0-471-47135-6）所述。误差方差近似置信区间的Bootstrap方法按照Efron和Tibshirani中的描述执行（1993，ISBN:978-1-4899-4541-9），包括扩展技术Hesterberg（2014）中描述<doi:10.1080/00031305.2015.1089789>. 这个这里使用的wild bootstrap遵循Davidson和Flachaire（2008）<doi:10.1016/j.jeconom.2008.08.003>. 的调整超参数使用黄金分割搜索功能根据Zarnowiec（2022）的MATLAB函数建模<https://www.mathworks.com/matlabcentral/fileexchange/25919-golden-section-method-algorithm网站>.Fox（2021，国际标准图书编号：978-1-003-00957-3）。有25个不同的功能可以为异方差性。其中包括基于Anscombe（1961）的测试<https://projecteuclid.org/euclid.bsmsp/1200512155>，拉姆齐（1969）BAMSET测试<doi:10.1111/j.2517-6161.1969.tb00796.x>比克尔的测试(1978) <doi:10.1214/aos/1176344124>、Breusch和Pagan（1979年）<doi:10.2307/1111963>有无修改由Koenker（1981）提出<doi:10.1016/0304-4076（81）90062-2>、鳄鱼和霍尔特（2003）<doi:10.1080/026647602200018475>库克和魏斯伯格（1983）<doi:10.1093/biomet/70.1.1>（包括他们的图解法），Diblasi和鲍曼（1997）<doi:10.1016/S0167-7152（96）00115-0>杜福尔、哈拉夫，Bernard和Genest（2004）<doi:10.1016/j.jeconom.2003.10.24>、埃文斯和金（1985）<doi:10.1016/0304-4076（85）90085-5>埃文斯和金（1988）<doi:10.1016/0304-4076（88）90006-1>，格莱泽（1969）<doi:10.1080/01621459.1969.10500976>由制定Mittelhammer、Judge和Miller（2000，ISBN:0-521-62394-4）、Godfrey和奥姆（1999）<网址：10.1080/07474939908800438>Goldfeld和Quandt(1965) <doi:10.1080/01621459.1965.10480811>哈里森和麦卡贝（1979）<doi:10.1080/01621459.1979.10482544>哈维（1976）<doi:10.307/1913974>, 本田（1989）<doi:10.1111/j.2517-6161.1989.tb01749.x>霍恩（1981）<doi:10.1080/03610928108828074>，Li和Yao（2019）<doi:10.1016/j.ecosta.2018.01.001>无论是否修改Bai、Pan和Yin（2016）<doi:10.1007/s11749-017-0575-x>、Rackauskas和Zuokas（2007）<doi:10.1007/s10986-007-0018-6>、西蒙诺夫和蔡（1994）<doi:10.2307/2986026>无论是否改装了法拉利，Cysneiros和Cribari-Neto（2004）<doi:10.1016/S0378-3758（03）00210-6>, Szroeter（1978）<doi:10.2307/1913831>，Verbyla（1993）<doi:10.1111/j.2517-6161.1993.tb01918.x>、怀特（1980）<doi:10.2307/1912934>Wilcox和Keselman（2006）<网址：10.1080/10629360500107923>，Yuce（2008）<https://dergipark.org.tr/en/pub/iuekois/issue/8989/112070>和周，Song和Thompson（2015）<doi:10.1002/cjs.11252>. 除此之外异方差检验，有计算泰尔的BLUS残差（1965）<doi:10.1080/01621459.1965.10480851>，的Kulinskaya的条件双侧p值（2008）<doi:10.48550/arXiv.0810.2124>, Lehmann（1975，国际标准图书编号：0-816-24996-1）。为了处理异方差性，除了新的辅助方差模型方法，有一个函数实现各种现有异方差一致协方差文献中的矩阵估计，如怀特（1980）的矩阵估计<doi:10.307/1912934>麦金农和怀特（1985）<doi:10.1016/0304-4076（85）90158-7>，Cribari-Neto（2004）<doi:10.1016/S0167-9473（02）00366-3>，Cribari-Neto等人（2007年）<doi:10.1080/03610920601126589>Cribari-Neto和da Silva（2011年）<文件编号：10.1007/s10182-010-0141-2>、Aftab和Chang（2016）<doi:10.18187/pjsor.v12i2.983>，和Li等人（2017）<doi:10.1080/00949655.2016.1198906>.

版本：	2.0.2
取决于：	R（≥3.6.0）
进口：	Rdpack公司(≥ 0.11.1),扫帚(≥ 0.5.6),普拉克马(≥ 2.2.9),CompQuadForm格式(≥ 1.4.3),MASS（质量）(≥ 7.3.47),集市(≥ 1.0.11),二次规划优化函数(≥ 1.5.8),屈折(≥ 1.3.5),快速(≥ 2.0.6),插入符号(≥ 6.0.90),矩阵(≥ 1.4.1),四程序XT(≥ 0.0.5),砰地关上(≥ 0.1.49),投资回报率(≥ 1.0.0),开放式服务质量计划(≥ 0.6.0.5),mgcv公司(≥1.8.40),ROI.插件.qpoases(≥ 1.0.2)
建议：	针织物,rmarkdown公司,开发工具,lmtest测试,汽车,采礼,易怒的,测试那个,ml试验台,矩阵指数函数,安排,quantreg公司,gmp公司,人民币,容积,mvtnorm公司,lmboot公司,三明治,厘米纳
出版：	2024-01-08
内政部：	10.32614/CRAN.包装.skedastic
作者：	托马斯·法拉[aut，cre]，西开普大学
维护人员：	托马斯·法拉（Thomas Farrar）在校友会uwaterloo.ca>
错误报告：	https://github.com/tjfarrar/skedastic/issues网站
许可证：	麻省理工学院+文件许可证
网址：	https://github.com/tjfarrar/skedastic
需要编译：	不
引用：	skedastic引文信息
材料：	自述文件 新闻
CRAN检查：	skedastic结果

文档：

参考手册：

skedastic.pdf软件

下载内容：

包源：	skedastic_2.0.2.tar.gz（skedastica_2.0.2.目标.gz）
Windows二进制文件：	r-devel公司：skedastic_2.0.2.zip文件，r版本：skedastic_2.0.2.zip文件，r-oldrel：skedastic_2.0.2.zip文件
macOS二进制文件：	r释放（arm64）：骨架_2.0.2.tgz，r-oldrel（arm64）：骨架_2.0.2.tgz，r-release（x86_64）：骨架_2.0.2.tgz，r-oldrel（x86_64）：骨架_2.0.2.tgz
旧来源：	skedastic存档

链接：

请使用规范形式https://CRAN.R-project.org/package=skedastic链接到此页面。