Хомоскедастиц

ДЕФИНИЦИЈА Хомоскедастичког

Хомоскедастички (такође написан „хомосцедастички“) односи се на стање у коме је варијанца заосталог или грешног термина у регресијском моделу константна. Односно, израз грешке не варира много као што се мења вредност променљиве предвиђања. Хомоскедастичност је једна претпоставка моделирања линеарне регресије. Ако варијанца грешака око регресијске линије знатно варира, регресијски модел може бити лоше дефинисан. Недостатак хомоскедастичности може сугерисати да регресијски модел можда треба да садржи додатне променљиве предвиђања да би се објаснио учинак зависне променљиве.

Супротност хомоскедастичности је хетероскедастичност, баш као што је и супротност „хомогености“ „хетерогена“. Хетероскедастичност се односи на стање у којем варијанца појма грешке у регресијској једначини није константна.

БРЕАКИНГ ДОВН Хомоскедастиц

Једноставни регресијски модел, или једначина, састоји се од четири појма. На левој страни је зависна променљива. Представља феномен који модел настоји да "објасни". На десној страни су константа, променљива предиктора и резидуални или грешка. Израз грешке показује количину варијабилности у зависној варијабли која није објасњена променљивом предвиђачем.

Пример хомоскедастичности

На пример, претпоставимо да сте желели да објасните оцене тестова користећи количину времена које је сваки студент провео студирајући. У овом случају, резултати тестова били би зависна варијабла, а време проведено у проучавању било би променљиво предвиђање. Израз грешке показао би количину варијанце у резултатима теста која није објасњена временом проучавања. Ако је та варијанца једнообразна или хомоскедастична, онда би то сугерирало да модел може бити адекватно објашњење за перформансе тестова - објаснити га у смислу времена проведеног у студирању.

Али варијанта може бити хетероскедастична. Нацрт података о термину грешке може показати да је велика количина времена проучавања јако одговарала високим резултатима тестирања, али да су резултати теста са малим временом испитивања варирали и укључивали су неке врло високе резултате. Дакле, варијанца резултата не би се објаснила једноставно једном променљивом предикториком - количином времена проучавања. У овом случају је неки други фактор вероватно на делу, па ће модел можда требати побољшати. Даља истрага може открити да су неки студенти одговор на тесту видели пре времена и због тога им није требало да студирају.

Да би побољшао регресијски модел, истраживач би, дакле, додао још једну променљиву објашњење која би указивала да ли је ученик видео одговоре пре теста. Регресиони модел би тада имао две објашњавајуће променљиве - време проучавања и да ли је ученик претходно знао одговоре. Са ове две променљиве објаснила би се више варијанца тестова и варијанца термина грешке би тада могла бити хомоскадастична, што сугерира да је модел добро дефинисан.

Упоредите инвестиционе рачуне Име добављача Опис Откривање оглашивача × Понуде које се појављују у овој табели су од партнерстава од којих Инвестопедиа прима накнаду.

Сродни услови

Хетероскедастичност У статистици се хетероскедастичност дешава када стандардна девијација променљиве, праћена током одређеног времена, није константна. више Шта је термин грешке? Израз грешке је дефинисан као променљива у статистичком моделу, која се ствара када модел не представља у потпуности стварни однос између независних и зависних променљивих. више Хетероскедастички Хетероскедастички се односи на стање у коме варијанца преосталог термина или термина грешке у регресијском моделу варира у широкој мери. више Како функционише вишеструка линеарна регресија Вишеструка линеарна регресија (МЛР) је статистичка техника која користи неколико објашњивих променљивих за предвиђање исхода променљиве одговора. више Р-квадрат Р-квадрат је статистичка мера која представља пропорцију варијансе за зависну променљиву која се објашњава независном променљивом. више Како функционира метода најмањих квадрата Метода најмање квадрата је статистичка техника за одређивање линије која најбоље одговара моделу, одређена једначином са одређеним параметрима према проматраним подацима. више партнерских веза