Homoskedastic
Homoskedastic (även stavad "homoscedastic") hänvisar till ett tillstånd där variansen för rest- eller feltermen i en regressionsmodell är konstant. Det vill säga att feltermen inte varierar mycket eftersom värdet på prediktorns variabel ändras. Homoskedasticitet är ett antagande om linjär regressionsmodellering. Om variansen mellan felen runt regressionslinjen varierar mycket kan regressionsmodellen vara dåligt definierad. Bristen på homoskedasticitet kan tyder på att regressionsmodellen kan behöva inkludera ytterligare prediktorvariabler för att förklara den beroende variabelns prestanda.
Motsatsen av homoskedasticitet är heteroskedasticitet precis som motsatsen till "homogen" är "heterogen". Heteroskedasticitet avser ett tillstånd där variansen hos feltermen i en regressionsekvation inte är konstant.
BREAKING NED Homoskedastic
En enkel regressionsmodell eller ekvation består av fyra termer. På vänster sida är den beroende variabeln. Det representerar fenomenet modellen försöker "förklara." På höger sida finns en konstant, en prediktorvariabel och en rest- eller feltermin. Feltermen visar mängden variation i den beroende variabeln som inte förklaras av prediktorns variabel.
Exempel på Homoskedasticity
Anta till exempel att du ville förklara betyg för studenttest med den tid som varje student tillbringade studier. I det här fallet skulle testresultaten vara den beroende variabeln och tiden som studerades skulle vara prediktorvariabeln. Feltermen skulle visa mängden varians i testresultaten som inte förklarades av studietiden. Om den variansen är enhetlig, eller homoskedastisk, kan det föreslå att modellen kan vara en tillräcklig förklaring för testprestanda - förklara det i termer av tidsbruk.
Men variansen kan vara heteroskedastisk. Ett diagram över felsiktdata kan visa att en stor mängd studietid motsvarade mycket nära testresultat med höga testresultat men att testresultat med låg studietid varierade mycket och till och med inkluderade några mycket höga poäng. Så variationen i poäng skulle inte förklaras väl bara genom en prediktorvariabel - hur mycket tid som studeras. I det här fallet är troligen någon annan faktor på jobbet, och modellen kan behöva förbättras. Ytterligare undersökningar kan avslöja att vissa studenter hade sett svaret på testet i förväg och därför inte behövde studera.
För att förbättra regressionsmodellen skulle forskaren därför lägga till en annan förklarande variabel som indikerar om en student hade sett svaren före testet. Regressionsmodellen skulle då ha två förklarande variabler - tidsstudier och om eleven hade förkunskaper om svaren. Med dessa två variabler skulle mer av variansen hos testresultaten förklaras och variansen hos feltermen kan då vara homoskedastisk, vilket antyder att modellen var väl definierad.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.