Homoscedastika yra tiesinės regresijos modelio charakteristika, reiškianti, kad klaidų dispersija laikui bėgant yra pastovi.
Šis terminas, kuris yra priešingas heteroskedastiškumui, naudojamas įvardyti kai kurių tiesinės regresijos modelių savybę, kai vertinimo klaidos pastovios per visus stebėjimus. Nuolatinė dispersija leidžia turėti patikimesnius modelius. Be to, jei dispersija, be pastovaus, taip pat yra mažesnė, tai lems patikimesnę modelio prognozę.
Žodį homoscedasticity galima suskirstyti į dvi dalis: homo (lygus) ir cedasticity (dispersija). Tokiu būdu, jei sujungsime šiuos du iš graikų kalbos pritaikytus žodžius, gautume kažką panašaus į tą pačią ar vienodą dispersiją.
Regresijos analizėHomoscedastika tiesinės regresijos modelyje
Homoscedastika yra pageidautina paprasto regresijos modelio klaidų savybė. Homoscedastika, kaip jau minėjome anksčiau, leidžia gaminti patikimesnius modelius. Tas patikimumas atsispindi tame, kad ekonometristams daug lengviau dirbti su modeliu.
Žemiau pateiktas modelis rodo homoskedastiką. Tai nėra tobulas pavyzdys, bet tikras, kuriuo galime geriau suprasti šią sąvoką.
Ankstesniame paveikslėlyje galime pamatyti grafiką, kuris nurodo IBEX35 kainą. Citata nurodo periodą, pasirinktą atsitiktinai iš 89 periodų. Raudona linija žymi IBEX35 įvertį. Rodiklis šioje linijoje svyruoja žemyn ir aukštyn daugiau ar mažiau homogeniškai.
Norėdami sužinoti, ar mūsų modelis turi namų išlaikymo savybę, tai yra, ar jo klaidų dispersija yra pastovi, klaidas apskaičiuosime ir braižysime grafike.
Negalime tiksliai pasakyti, kad modelis turi homoscedastiškumo savybę. Tam turėtume atlikti atitinkamus bandymus. Tačiau grafiko forma rodo, kad jis yra. Puikus homoscedastinio proceso, atlikto specialiai naudojant kompiuterinę programą, pavyzdys parodytas šioje grafikoje.
Vaizdas, kas būtų idealu, ir mūsų pavyzdys IBEX35 skiriasi. Taigi turime suprasti, kokie realūs reiškiniai apsunkina šios prielaidos įgyvendinimą.
Kaip nurodyta straipsnyje apie heteroskedastiką, yra tam tikrų modelio, neatitinkančio homoscedastikos hipotezės, pasekmių. Primename, kad jei modelis neatitinka homoscedastiškumo prielaidos, tada jo klaidos turi heteroskedastiškumą ir įvyksta:
- Įvertintojus atitinkančių matricų skaičiavimų klaidų buvimas.
- Prarandamas modelio efektyvumas ir patikimumas.
Homoscedastikos ir heteroskedastikos skirtumai
Heteroskedastiškumas skiriasi nuo homoscedastikos tuo, kad pastaruoju metu aiškinamųjų kintamųjų klaidų dispersija yra pastovi per visus stebėjimus. Skirtingai nuo heteroskedastiškumo, homecedastiniuose statistiniuose modeliuose vieno kintamojo vertė gali nuspėti kitą (jei modelis yra neobjektyvus), todėl klaidos yra bendros ir pastovios viso tyrimo metu.
Pagrindinės situacijos, kuriose pasireiškia heteroskedastiniai sutrikimai, yra analizės su skerspjūvio duomenimis, kai pasirinkti elementai, ar tai būtų įmonės, ar asmenys, ar ekonominiai elementai, neturi vienodo elgesio.
