对抗“扩音器效应”的药丸包括（除其他外）：

1. 使用对数或平方根变换 。这并不准确，但有时它会缓和扩大。$Y$
2. 使用加权最小二乘回归。在这种方法中，每个观测值都有自己的方差因子。这个答案显示了如何在 R 中使用 WLSR（例如，如果残差的方差与均值成正比，您可以在未加权模型中提供拟合值的倒数作为权重）。
3. 使用稳健回归。R包rlm()中MASS的函数进行 M 估计，这应该对方差不等式具有鲁棒性。

2017 年 7 月编辑：正如 Greg Snow 的回答所建议的，广义最小二乘似乎是最好的选择之一。

R包中的gls函数nlme可以同时估计回归和与方差的关系。请参阅weights帮助页面上的参数和第二个示例。

使用gamlss包，您可以将响应的误差分布建模为解释变量的线性、非线性或平滑函数。这似乎是一种非常强大的方法（我学到了很多关于模型选择过程中可能出现的所有可能性），并且在上面链接中引用的几本出版物（包括书籍）中很好地解释了一切。