Гомоскедастичность - что это такое, определение и понятие

Гомоскедастичность - это характеристика модели линейной регрессии, которая подразумевает, что дисперсия ошибок постоянна во времени.

Этот термин, противоположный гетероскедастичности, используется для обозначения свойства некоторых моделей линейной регрессии, в которых ошибки оценки постоянны на протяжении всех наблюдений. Постоянная дисперсия позволяет нам иметь более надежные модели. Кроме того, если дисперсия не только постоянна, но и меньше, это приведет к более надежному прогнозу модели.

Слово гомоскедастичность можно разделить на две части: гомо (равно) и кедастичность (дисперсия). Таким образом, если мы соединим эти два слова, адаптированные из греческого языка, мы получим что-то вроде одинаковой дисперсии или равной дисперсии.

Регрессионный анализ

Гомоскедастичность в модели линейной регрессии

Гомоскедастичность - желаемое свойство ошибок в простой регрессионной модели. Гомоскедастичность, как мы уже говорили, позволяет нам создавать более надежные модели. И эта надежность отражается в том факте, что эконометристам намного проще работать с моделью.

Представленная ниже модель демонстрирует гомоскедастичность. Это не идеальный пример, но он реальный, с помощью которого мы можем лучше понять концепцию.

На предыдущем изображении мы видим график, представляющий цену IBEX35. Цитата относится к периоду, выбранному случайным образом из 89 периодов. Красная линия представляет оценку IBEX35. На этой линии индикатор колеблется вниз и вверх более или менее однородно.

Чтобы увидеть, обладает ли наша модель свойством хомедастичности, то есть, чтобы увидеть, постоянна ли дисперсия ее ошибок, мы вычислим ошибки и нанесем их на график.

Мы не можем с уверенностью сказать, что модель обладает свойством гомоскедастичности. Для этого мы должны провести соответствующие тесты. Однако форма графика показывает, что это так. Прекрасный пример гомоскедастического процесса, специально выполненного с помощью компьютерной программы, отражен на следующем рисунке.

Изображение того, что было бы идеальным, и наш пример на IBEX35 отличаются. Таким образом, мы должны понять, какие реальные явления затрудняют выполнение этого предположения.

Как указано в статье о гетероскедастичности, есть определенные последствия у модели, не удовлетворяющей гипотезе гомоскедастичности. Напомним, что если модель не соответствует предположению о гомоскедастичности, то ее ошибки имеют гетероскедастичность, и происходит следующее:

  • Наличие ошибок в расчетах матриц, соответствующих оценкам.
  • Теряется эффективность и надежность модели.

Различия между гомоскедастичностью и гетероскедастичностью

Гетероскедастичность отличается от гомоскедастичности тем, что в последней дисперсия ошибок объясняющих переменных постоянна на протяжении всех наблюдений. В отличие от гетероскедастичности, в гомекедастических статистических моделях значение одной переменной может предсказывать другую (если модель объективна), и, следовательно, ошибки являются обычными и постоянными на протяжении всего исследования.

Основные ситуации, в которых возникают гетероскедастические нарушения, - это анализ с использованием перекрестных данных, когда выбранные элементы, будь то компании, отдельные лица или экономические элементы, не имеют однородного поведения среди них.

Популярные посты

Крупнейшие банки мира 2018

Еще один год мы собираем список самых важных банков мира. За последний годовой финансовый год стоимость китайских банков значительно выросла. По сравнению с предыдущим годом, мы можем увидеть рост рыночной капитализации крупнейших банков мира до 5,4 трлн евро.…