Заключение. 
Гетероскедостичность и методы борьбы с ней

Использование взвешенного способа наименьших квадратов (ВМНК, wls). В этом способе любое наблюдение взвешивается обратно сообразно предполагаемому обычному отклонению случайной ошибки в этом наблюдении. Такой подход дозволяет сделать случайные ошибки модели гомоскедастичными. В частности, ежели предполагается, что обычное отклонение ошибок сообразно некоторой переменной z, то данные разделяются на эту переменную, подключая константу.

Замена исходных данных их производными, к примеру, логарифмом, условным изменением или иной нелинейной функцией. Этот подход нередко употребляется в случае роста дисперсии ошибки с ростом смысла независимой переменной и приводит к стабилизации дисперсии в наиболее широком спектре входных данных.

Определение «областей компетенции» моделей, внутри которых дисперсия ошибки сравнимо стабильна, и внедрение композиции моделей. Таким образом, любая модель работает только в области собственной компетенции, и дисперсия ошибки не превосходит данное граничное значение. Этот подход распространен в области определения образов, где нередко употребляются трудные нелинейные модели и эвристики.