Проводится оценка параметров линейной модели парной регрессии

. Было выявлено, что остатки модели

являются гетероскедастичными и дисперсия остатков

пропорциональна величине

(

, где

– постоянная дисперсия). Оценку параметров предложено провести с помощью обобщенного метода наименьших квадратов, тогда преобразование исходных переменных модели

будет иметь вид …