Homoscedastilisus on lineaarse regressioonimudeli omadus, mis tähendab, et vigade dispersioon on ajas konstantne.
Seda terminit, mis on vastupidine heteroskedastilisusele, kasutatakse mõnede lineaarse regressioonimudeli omaduste nimetamiseks, kus hindamisvead on kogu vaatluse ajal konstantsed. Pidev dispersioon võimaldab meil saada usaldusväärsemaid mudeleid. Veelgi enam, kui dispersioon lisaks püsivusele on ka väiksem, annab see mudeli usaldusväärsema prognoosi.
Sõna homoscedasticity saab jagada kaheks osaks, homo (võrdne) ja cedasticity (hajumine). Sel moel, kui liitaksime need kaks kreeka keelest mugandatud sõna, saaksime midagi sarnast või võrdset hajutatust.
RegressioonanalüüsHomoskedastilisus lineaarse regressioonimudeli korral
Homoscedastilisus on lihtsa regressioonimudeli vigade soovitav omadus. Homoscedasticity, nagu me oleme varem öelnud, võimaldab meil teha usaldusväärsemaid mudeleid. Ja see usaldusväärsus kajastub selles, et ökonometristidel on mudeliga palju lihtsam töötada.
Allpool esitatud mudel näitab homoscedastilisust. See ei ole ideaalne näide, kuid see on tõeline, mille abil saame mõistet paremini mõista.
Eelmisel pildil näeme graafikut, mis tähistab IBEX35 hinda. Tsitaat viitab perioodile, mis on valitud juhuslikult 89 perioodi hulgast. Punane joon tähistab IBEX35 hinnangut. Indikaator kõigub sellel joonel enam-vähem homogeenselt alla ja üles.
Selleks, et näha, kas meie mudelil on homecedasticity omadus, see tähendab, et näha, kas selle vigade dispersioon on konstantne, arvutame vead ja joonistame need graafikule.
Me ei saa kindlalt öelda, et mudelil on homoscedastilisuse omadus. Selleks peaksime läbi viima vastavad testid. Graafiku kuju näitab aga, et on. Täiuslik näide homoscedastilisest protsessist, mis on tahtlikult tehtud arvutiprogrammiga, kajastub järgmises graafikus.
Kujutis sellest, mis oleks ideaalne, ja meie näide IBEX35-st erinevad. Seega peame mõistma, millised tegelikud nähtused muudavad selle eelduse täitmise keeruliseks.
Nagu heteroskedastilisust käsitlevas artiklis märgitud, on homoscedastilisuse hüpoteesi mittetäitval mudelil teatud tagajärjed. Tuletame meelde, et kui mudel ei vasta homoskedastilisuse eeldusele, on selle vigadel heteroskedastilisus ja toimub järgmine:
- Hinnangutele vastavate maatriksite arvutuste vigade olemasolu.
- Kaotatakse mudeli tõhusus ja usaldusväärsus.
Homoscedastilisuse ja heteroskedastilisuse erinevused
Heteroskedastilisus erineb homoskedastilisusest selle poolest, et viimases on selgitavate muutujate vigade varieeruvus kõigi vaatluste jooksul konstantne. Erinevalt heteroskedastilisusest võib homededastilistes statistilistes mudelites ühe muutuja väärtus ennustada teist (kui mudel on erapooletu) ja seetõttu on vead kogu uuringu vältel tavalised ja püsivad.
Peamised olukorrad, kus heteroskedastilised häired ilmnevad, on ristlõikeandmetega analüüsid, kus valitud elementidel, olgu need ettevõtted, üksikisikud või majanduselemendid, ei ole nende vahel ühtlane käitumine.
