L'hétéroscédasticité fait référence aux situations où la variance des résidus est inégale sur une plage de valeurs mesurées. Lors de l'exécution d'une analyse de régression, l'hétéroscédasticité entraîne une répartition inégale des résidus (également appelée terme d'erreur).
Comment se produit l'hétéroscédasticité ?
Dans les statistiques, l'hétéroscédasticité (ou hétéroscédasticité) se produit lorsque les écarts-types d'une variable prédite, surveillés sur différentes valeurs d'une variable indépendante ou liés à des périodes antérieures, ne sont pas constants. … L'hétéroscédasticité se présente souvent sous deux formes: conditionnelle et inconditionnelle.
Que se passe-t-il si vous souffrez d'hétéroscédasticité ?
Lorsque l'hétéroscédasticité est présente dans une analyse de régression, les résultats de l'analyse deviennent difficiles à faire confiance. Plus précisément, l'hétéroscédasticité augmente la variance des estimations du coefficient de régression, mais le modèle de régression ne s'en rend pas compte.
Comment l'hétéroscédasticité affecte-t-elle les tests d'hypothèse ?
L'hétéroscédasticité affecte les résultats de deux manières: L'estimateur OLS n'est pas efficace (il n'a pas de variance minimale). … Les erreurs standard signalées sur la sortie SHAZAM ne font aucun ajustement pour l'hétéroscédasticité - des conclusions incorrectes peuvent donc être tirées si elles sont utilisées dans des tests d'hypothèse.
Comment traite-t-on l'hétéroscédasticité ?
Pondéréregression L'idée est de donner de petits poids aux observations associées à des variances plus élevées pour réduire leurs résidus au carré. La régression pondérée minimise la somme des carrés des résidus pondérés. Lorsque vous utilisez les poids corrects, l'hétéroscédasticité est remplacée par l'homoscédasticité.
