Heteroscedasticity: Yksinkertainen Määritelmä ja Esimerkkejä

Jaa

Tilastojen Määritelmät > Heteroscedasticity

sana ”heteroscedasticity” tulee kreikan, ja aivan kirjaimellisesti tarkoittaa tietoja eri (hetero) hajonta (skedasis). Heteroskedastisuus on mitä tahansa dataa, joka ei ole homosedastista. Teknisesti, se viittaa tietojen epätasainen vaihtelu (hajonta) eri joukko toinen, ennustaja muuttujat.,

Heteroscedastic tiedot on taipumus seurata kartion muoto scatter-kuvio.

miksi meitä kiinnostaa, onko tieto heterosedastista vai ei? Useimmiten tilastoissa ei välitetä. Mutta jos suoritat minkäänlaista regressioanalyysiä, heteroskedastisuutta osoittava data voi pilata tuloksesi (ainakin se antaa sinulle puolueellisia kertoimia). Siksi, haluat tarkistaa varmista, että tietosi ei ole tämä ehto., Yksi tapa tarkistaa on tehdä scatter graph (joka on aina hyvä idea, kun olet käynnissä regressio muutenkin). Jos graafissasi on karkea kartion muoto (kuten edellä), olet todennäköisesti tekemisissä heterosedastisuuden kanssa. Regressioanalyysiä voi vielä tehdä, mutta kunnon tuloksia ei tule.

regressiossa virhe on se, kuinka pitkälle piste poikkeaa regressiolinjasta. Ihannetapauksessa tietojesi pitäisi olla homosedastisia (eli virheiden varianssin tulisi olla vakio). Luokkaesimerkkien ulkopuolella tällaista tilannetta harvoin tapahtuu tosielämässä. Useimmat tiedot ovat luonteeltaan heterosedastisia., Ajatellaanpa esimerkiksi naisten painon ennustamista heidän pituudestaan. Stepfordin vaimojen maailmassa, jossa jokainen on täydellinen pukukoko 6, tämä olisi helppoa: lyhyet naiset painavat vähemmän kuin pitkät naiset. Todellisessa maailmassa painoa on käytännössä mahdotonta ennustaa korkeudesta. Nuoremmat naiset (teini-iässä) painavat yleensä vähemmän, kun taas postmenopausaaliset naiset lihovat usein. Kaikenmuotoisia ja-kokoisia naisia on kuitenkin kaikenikäisillä. Tämä luo kartion muotoisen graafin vaihtelua varten.,

Naisten pituuden / painon vaihtelun piirtäminen johtaisi suppiloon, joka lähtee liikkeelle pienenä ja leviää liikkuessa kaavion oikealle puolelle. Kartio voi kuitenkin olla jompaankumpaan suuntaan (vasemmalta oikealle tai oikealta vasemmalle):


  • kartio leviää oikealle: pienet x-arvot antavat pienen scatterin, kun taas suuremmat x-arvot antavat suuremman scatterin suhteessa Y.
  • levitteet ulos vasemmalle: pienet arvot X antaa suuren Scatter kun taas suuremmat arvot X antaa pienempi scatter suhteessa Y.,

Heteroscedasticity löytyy myös päivittäin havaintoja rahoitusmarkkinoiden ennustaa urheilu tuloksia kauden aikana, ja monia muita haihtuvia tilanteet, jotka tuottavat korkean taajuuden tiedot piirretään ajan.

miten Heteroskedastisuus

voidaan havaita jäännösjännite voi viitata (mutta ei todistaa) heteroskedastisuuteen. Jäännöstontteja syntyy:

  1. laskemalla neliöjäämät.
  2. juonittelee neliömäisiä residuaaleja selittävää muuttujaa vastaan (jonka arvelet liittyvän virheisiin).,
  3. tee erillinen juoni jokaiselle selittävälle muuttujalle, jonka luulet aiheuttavan virheitä.

sinun ei tarvitse tehdä tätä manuaalisesti; useimmissa tilastollisissa ohjelmissa (SPSS, Maple) on komentoja jäännöspalstojen luomiseen.

useita testejä voidaan myös suorittaa:

  1. Puistotesti.
  2. valkoinen testi.

Heteroskedastisuuden seuraukset

vaikeat heteroskedastiset tiedot voivat aiheuttaa monenlaisia ongelmia:

  • OLS ei anna estimaattoria, jolla on pienin varianssi (eli estimaattoreista ei ole hyötyä).,
  • Merkitsevyystestit ajetaan joko liian korkealla tai liian matalalla.
  • vakiovirheet ovat puolueellisia sekä niiden vastaavat testitilastot ja luottamusvälit.

Miten Käsitellä Heteroscedastic Tiedot

Jos tietosi on heteroscedastic, se olisi viisasta suorittaa regressio, data kuin on. On olemassa pari asiaa, joita voit kokeilla, jos haluat suorittaa regression:

  1. antaa tietoja, jotka tuottavat suuren hajontarajan vähemmän painoa.
  2. muuttaa Y-muuttujan homosedastisuuden saavuttamiseksi., Esimerkiksi, käytä laatikko-Cox normaalius juoni muuttaa tietoja.
mainitse tämä näin:
Stephanie Glen. ”Heteroskedastisuus: yksinkertainen määritelmä ja esimerkkejä” alkaen StatisticsHowTo.com: alkeet tilastot meille muille! https://www.statisticshowto.com/heteroscedasticity-simple-definition-examples/

——————————————————————————

Tarvitsetko apua läksyjä tai testi kysymys? Chegg-tutkimuksen avulla voit saada askel-askeleelta ratkaisuja kysymyksiisi alan asiantuntijalta. Ensimmäiset 30 minuuttia Chegg tutor on ilmainen!

Leave a Comment