heteroskedastiset

Heteroskedastisuus on tilastotieteellinen termi, joka kuvaa tilannetta, jossa regressiomallin virhetermien varianssi ei ole vakio eri havaintojen tai ryhmien välillä. Toisin sanoen, virheiden hajonta on epätasaista. Tämä on vastakohta homoskedastisuudelle, jossa virhetermien varianssi oletetaan vakioksi. Heteroskedastisuus on yleinen ongelma, joka voi ilmetä monenlaisissa tilastollisissa analyyseissä, kuten lineaarisessa regressiossa.

Kun heteroskedastisuutta esiintyy, regressiomallin tavalliset estimointimenetelmät, kuten pienimmän neliösumman menetelmä (OLS), tuottavat edelleen harhattomia estimaatteja regressiokertoimille. Nämä estimaatit eivät kuitenkaan ole tehokkaimpia, ja niiden standardivirheet ovat virheellisiä. Tämä voi johtaa virheellisiin hypoteesitesteihin ja luottamusväleihin, koska ne perustuvat oletukseen homoskedastisuudesta.

Heteroskedastisuuden havaitsemiseksi on olemassa useita tilastollisia testejä, kuten Breusch-Pagan -testi ja White-testi. Jos heteroskedastisuutta havaitaan, sen käsittelemiseksi voidaan käyttää erilaisia menetelmiä. Yksi yleinen lähestymistapa on käyttää heteroskedastisuuskorjattuja standardivirheitä, jotka korjaavat standardivirheiden laskentatapaa niin, että ne ovat oikeita myös heteroskedastisuuden vallitessa. Toinen vaihtoehto on käyttää painotettua pienimmän neliösumman menetelmää (WLS), jossa havainnot painotetaan niiden heteroskedastisuuden perusteella. Myös mallin muotoa voidaan tarkistaa ja muokata heteroskedastisuuden vähentämiseksi.