Strona korzysta z plików cookies w celu realizacji usług i zgodnie z polityką plików cookies.
Możesz określić warunki przechowywania lub dostępu do plików cookies w Twojej przeglądarce.

Homoscedastyczność


Homoscedastyczność możemy nazywać stałość wariancji składnika losowego dla poszczególnych wartości zmiennej niezależnej, predyktora, zmiennej wyjaśniającej. Homoscedastyczność jest jednym założenia
do analizy regreji liniowej. Analiza ta zakłada, że reszty rozkładają się równomiernie wraz ze zmianą wartości predyktora. 

Upraszczając temat homoscedastyczność oznacza to, czy model tak samo dobrze przewiduje zmienną zależną (robi mniejsze bądź większe błędy w predykcji) dla próżnych wartości zmiennej niezależnej. Jeżeli dla przykładu: dla małych wartości predyktora jest mała wariancja reszt w przewidywaniu modelu a dla dużych następuje jej wzrost (bądź odwrotnie) to mamy do czynienia z heteroscedastycznością, czyli brakiem homoscedastyczności.
/>
Stałość wariancji składnika losowego odnosi się zatem do tego na ile model jest dobrze dopasowany do danych. Model w każdym przedziale zmiennej niezależnej powinien dawać podobne wyniki predykcji (błędy w przewidywaniu). Jeżeli dla różnych wartości wariancja składnika losowego jest różna to model może dostarczać mylne rezultaty analizy regresji, modelowania.

Najbardziej popularną metodą oszacowania występowania heteroscedastyczności (homoscedasstyczności) jest analiza wyresu reszt (składnika losowego). Tworzony jest wykres rozrzutu pomiędzy pomiarami predyktora (grupy predyktorów) a resztami. Jeżeli rozrzut reszt jest różny na przestrzeni predyktora to mamy do czynienia z heteroscedastycznością.

Istnieje kilka rodzajów testów statystycznych, weryfikujących zjawisko homosdedastyczności, mianowicie:

- test Goldfelda-Quandta

- test Breuscha-Pagana

- test White'a


Masz problem z analizą statystyczna? Przejdź TU!