Homoskedastic
DEFINICIJA HomoskedastičkogHomoskedastički (također napisano „homoscedastički“) odnosi se na stanje u kojem je varijanca zaostalog ili pogrešnog izraza u regresijskom modelu konstantna. Odnosno, izraz pogreške se ne razlikuje puno jer se mijenja vrijednost varijable predviđanja. Homoskedastičnost je jedna pretpostavka modeliranja linearne regresije. Ako varijanca pogrešaka oko regresijske linije znatno varira, regresijski model može biti loše definiran. Manjak homoskedastičnosti može sugerisati da regresijski model možda treba uključivati dodatne varijable predviđanja da bi se objasnila učinkovitost ovisne varijable.
Suprotnost homoskedastičnosti je heteroskedastičnost, baš kao što je suprotnost "homogenosti" "heterogena". Heteroskedastičnost se odnosi na stanje u kojem varijanca pojma pogreške u jednadžbi regresije nije konstantna.
POKRIVANJE DOLJE Homoskedastično
Jednostavni regresijski model, ili jednadžba, sastoji se od četiri pojma. Na lijevoj strani je ovisna varijabla. Predstavlja fenomen koji model nastoji „objasniti“. Na desnoj su strani konstanta, varijabla prediktora i rezidualni ili pogrešni izraz. Pojam pogreške pokazuje količinu varijabilnosti u zavisnoj varijabli koja nije objašnjena varijablom predviđanja.
Primjer homoskedastičnosti
Na primjer, pretpostavimo da ste željeli objasniti rezultate studentskih testova koristeći količinu vremena koje je svaki student proveo studirajući. U ovom slučaju, rezultati testova bili bi ovisna varijabla, a vrijeme provedeno u proučavanju bilo bi varijabla prediktora. Pojam pogreške pokazao bi količinu varijance u rezultatima testa koja nije objasnjena količinom vremena proučavanja. Ako je ta varijanca jednolična ili homoskedastična, onda bi taj model mogao sugerirati adekvatno objašnjenje performansi testa - objasniti ga u smislu vremena provedenog u proučavanju.
Ali varijanca može biti heteroskedastična. Nacrt podataka o pojmu pogreške može pokazati da je velika količina vremena ispitivanja jako odgovarala visokim rezultatima ispitivanja, ali da su rezultati testa s malim vremenom ispitivanja varirali i uključivali su neke vrlo visoke ocjene. Dakle, varijanca rezultata ne bi se objasnila jednostavno jednom varijablom prediktora - količinom vremena proučavanja. U ovom je slučaju neki drugi faktor vjerojatno na djelu, pa će model možda trebati poboljšati. Daljnja istraga može otkriti da su neki studenti odgovor na test vidjeli pre vremena i zbog toga im nije trebalo da studiraju.
Da bi poboljšao regresijski model, istraživač bi, stoga, dodao još jednu objašnjenu varijablu koja pokazuje je li učenik vidio odgovore prije ispitivanja. Regresijski model bi tada imao dvije objašnjavajuće varijable - vrijeme proučavanja i je li učenik prethodno znao odgovore. S ove dvije varijable objasnila bi se više varijanca rezultata testa i varijanca termina pogreške tada bi mogla biti homoskadastična, što sugerira da je model dobro definiran.
Usporedba investicijskih računa Ime dobavljača Opis Otkrivanje oglašavača × Ponude koje se pojavljuju u ovoj tablici potječu od partnerstava od kojih Investopedia prima naknadu.