Heteroskedasticiteit verwijst naar situaties waarin de variantie van de residuen ongelijk is over een reeks gemeten waarden. Bij het uitvoeren van een regressieanalyse resulteert heteroskedasticiteit in een ongelijke spreiding van de residuen (ook bekend als de foutterm).
Hoe ontstaat heteroskedasticiteit?
In statistieken treedt heteroskedasticiteit (of heteroscedasticiteit) op wanneer de standaarddeviaties van een voorspelde variabele, gemeten over verschillende waarden van een onafhankelijke variabele of gerelateerd aan eerdere tijdsperioden, niet constant zijn. … Heteroskedasticiteit komt vaak voor in twee vormen: voorwaardelijk en onvoorwaardelijk.
Wat gebeurt er als je heteroskedasticiteit hebt?
Als heteroscedasticiteit aanwezig is in een regressieanalyse, worden de resultaten van de analyse moeilijk te vertrouwen. In het bijzonder verhoogt heteroscedasticiteit de variantie van de schattingen van de regressiecoëfficiënt, maar het regressiemodel pikt dit niet op.
Hoe beïnvloedt heteroskedasticiteit het testen van hypothesen?
De heteroskedasticiteit beïnvloedt de resultaten op twee manieren: De OLS-schatter is niet efficiënt (hij heeft geen minimale variantie). … De standaardfouten gerapporteerd op de SHAZAM-uitvoer maken geen correctie voor de heteroskedasticiteit - dus er kunnen onjuiste conclusies worden getrokken als ze worden gebruikt in hypothesetests.
Hoe wordt heteroscedasticiteit behandeld?
Gewogenregressie Het idee is om kleine gewichten toe te kennen aan waarnemingen die verband houden met hogere varianties om hun gekwadrateerde residuen te verkleinen. Gewogen regressie minimaliseert de som van de gewogen gekwadrateerde residuen. Als je de juiste gewichten gebruikt, wordt heteroscedasticiteit vervangen door homoscedasticiteit.
