Heteroskedasticity nelle statistiche è la dipendenza di dispersione o varianza di errore, su almeno una variabile indipendente. Modelli comunemente usati quali regressione lineare, come pure i loro test di misura dell'adattamento, presumono costanza della varianza per semplificazione computazionale. Modelli lineari generalizzati comprendono modelli statistici che consentono di variabili casuali di dissentire in varianza.
Una causa comune di heteroskedasticity è la variazione della media. Se la media tra classi aumenta, la varianza può aumentare proporzionalmente. Un'altra causa è la variazione nella qualità dei dati.
Esempio da biologia
Un semplice esempio della media e la variazione in aumento insieme può essere assunto dall'infanzia. Say 95 per cento dei neonati Stati Uniti rientrano un chilogrammo di 3,4 kg. Tuttavia, non ti aspetteresti tale piccola variazione negli stessi bambini 10 anni più tardi.
Fortunatamente, c'è un motivo per la varianza, suggerendo la divisione della varianza di valore della variabile casuale quando si modella la varianza dell'errore.
Esempio dall'economia
Heteroskedasticity può provenire anche da una variazione nella qualità dei dati. Ad esempio, un economista può essere lo sviluppo di un modello di crescita del PNL, ma hanno meno fiducia nell'accuratezza dei dati da paesi post-sovietici e africani. Variazione nella varianza di errore quindi può provenire da variazione errore di raccolta dati.
Due forme di Heteroskedasticity
C'è un'altra doppia classificazione di heteroskedasticity, quando il tempo è la variabile indipendente dai quali cambiamenti di varianza. Heteroskedasticity incondizionato si riferisce al tempo-variazione della varianza. Heteroskedasticity condizionale descrive l'incapacità di identificare futuri variazione della volatilità.
Heteroskedasticity condizionale implica pertanto incondizionato heteroskedasticity, dal momento che nonconstantcy nel primo caso esso implica in quest'ultimo. L'inverso non regge.
Esempio dall'assicurazione
Attuariali classi di rischio differiscono da perdite attese per l'esposizione di unità e quindi dalla varianza. Proprio come le perdite attese possono essere stimata per le perdite future, utilizzando oltre la data di perdita, così può la varianza, se ci sono dati sufficienti per farlo. Quindi questo sarebbe un esempio di heteroskedasticity incondizionato.
Tuttavia, i dati potrebbero essere insufficienti per determinare un modello di tendenza senza l'aggregazione di classi. Diverse classi possono tendenza ai tassi differenti, alcuni anche negativamente. Di conseguenza heteroskedasticity condizionale esiste a livello di classe.
Esempio da investire
Periodi di bassa e alta volatilità non sono generalmente conosciuti in azioni e obbligazioni e quindi sarebbero stato descritto come heteroskedastic sia condizionato e incondizionato.
Una merce, d'altra parte, può avere una componente stagionale alla sua varianza. Ad esempio, la variabilità dei prezzi dell'elettricità di New England è stata notata per aumentare durante i mesi estivi. Tale situazione è incondizionatamente heteroskedastic, perché tempo-dipendenza della variabilità esiste, ma non in modo condizionale heteroskedastic, perché Calcolo varianza condizionale in tempo può rimuovere la variabilità di varianza.