heterocedasticidade

Heterocedasticidade é a situação em que a variância dos resíduos de um modelo de regressão não é constante ao longo das observações. Em termos práticos, a dispersão dos erros pode aumentar ou diminuir conforme o nível das variáveis explicativas ou o ritmo das observações. Em regressão linear, as estimativas de ordem dos coeficientes obtidas por OLS permanecem consistentes, mas os seus erros padrão estimados tornam-se inconsistentes, o que compromete a confiabilidade de testes de hipóteses e intervalos de confiança.

Causas comuns incluem omissão de variáveis relevantes, especificação incorreta da relação funcional (linearidade vs. não linearidade), heterogeneidade de amostra, transformações inadequadas de dados, ou dados de séries temporais com variações de volatilidade. Em dados de painel, a heterocedasticidade pode depender de unidades observacionais distintas ou do tempo.

Detecção envolve métodos visuais e testes formais. A inspeção gráfica de resíduos versus valores ajustados é uma prática inicial. Testes formais populares incluem Breusch-Pagan, White e Goldfeld-Quandt, que avaliam padrões de variância residual. Em dados de painel, testes que reconhecem dependência entre as unidades ou erros podem ser usados, junto com estimadores de variância robustos.

Tratamento pode envolver: (1) uso de erros padrão robustos à heterocedasticidade (HC1/Huber-White), (2) transformações da variável dependente (log, Box-Cox) para estabilizar a variância, (3) modelagem com Weighted Least Squares quando a forma da heterocedasticidade é conhecida, (4) melhoria da especificação do modelo incluindo variáveis relevantes ou interações. Em alguns casos, modelos que explicitamente descrevem a variância são apropriados.