Complementando minha resposta.

dados <- read.table("dados.csv", header = TRUE, sep = ";", dec = ",")
plot(dados$y ~ dados$x)

# Veja que o A33 nao tem variabilidade vou remover
dados <- dados[which(dados$x != "A33"),]
dados$x <- droplevels(dados$x)
tapply(dados$y, dados$x, sd)

# Aparentemente o A21, A69 e A95 tem variancias diferentes

# Modelo de regressao
fit1 <- lm(y ~ x, data = dados)
plot(residuals(fit1)~ fitted(fit1)) # Parece heterocedastico

# Modelo de regressao media e variancia

require(mcglm)
dados$id <- 1
fit2 <- mcglm(c(y ~ x), list(mc_dglm(~ x, id = "id", data = dados)),
              covariance = "expm", data = dados)
summary(fit2)

# Agora o modelo é heterocedastico e não precisa mais preocupar com isso.