Régressions et hétéroscédasticité

[polpo56]

Bonjour,

Je réalise des régressions sous sas avec la proc reg. J'ai testé l'hétéroscédasticité avec l'option spec et il s'avère que mon test est significatif.
Je cherche donc à corriger cette hétéroscédasticité. J'ai trouvé quelques informations sur internet disant qu'il faut utiliser la proc glm. C'est donc ce que j'ai fait mais j'obtiens les mêmes résultats qu'avec la proc reg. J'ai en plus regardé les résudus de la proc glm et j'ai l'impression qu'il y a encore de l'hétéroscédasticité.

Je voudrais donc savoir quelle procédure il faut utiliser pour corriger l'hétéroscédasticité et s'il y a des options particulières à mettre?!

Merci de vos réponses.

Pauline.

[datametric]

c'est plutôt un travail que tu dois mener sur tes variables et disons sur ton modèle que l'utilisation d'une procédure de correction.

[polpo56]

C'est ce que je me disais aussi mais je ne sais absolument pas comment faire comment sait-on quelles variables doit-on corriger?

[datametric]

Si tu veux utiliser les MCG ou MCP réfère toi à ce PPT qui explique bien les choses. Mais attention, les MCG corrige les formes connues de l'hétéroscédasticité. Le mieux est de contrôler ton modèle pour éviter que tu sèches à la question "pourquoi tu as corrigé l'hétéroscédasticité comme cela...".

http://perso.fundp.ac.be/~mpetijea/ModEco/ch07.pdf

J'en ai un autre didactique aussi :

http://www.gate.cnrs.fr/perso/fourni...edasticite.pdf

[MEGAMIND2]

Bonjour,
Tu peux regrouper tes variables continues en classes homogènes afin d'avoir une variances plus ou moins homogènes. Tu auras donc une variable explicative discrète.

[polpo56]

Merci de tes réponses.
J'ai essayé de faire une regression avec les MCQG donc j'ai suivi la procédure expliquée dans l'un des documents:

1) Estimation des MCO sur le modèle original
sans tenir compte de l’hétéroscédasticité.
2) Sauvegarde des résidus empiriques û et
computation de ln(û2)
3) Régression de ln(û2) sur toutes les variables
explicatives
4) Sauvegarde des valeurs prédites ĝ(û2)
5) Estimation par Moindres Carrés Pondérés avec
comme pondération : 1/exp(ĝ)

du coup après je réalise une régression avec proc reg et l'option weight. Quand je fais le test d'hétéroscédasticité, il est encore significatif, est-ce normal?