Гетероскедастичность

Наличие гетероскедастичности в регрессионной модели может привести к негативным последствиям:

1. оценки уравнения нормальной линейной регрессии остаются несмещенными и состоятельными, но при этом теряется эффективность;
2. появляется большая вероятность того, что оценки стандартных ошибок коэффициентов регрессионной модели будут рассчитаны неверно, что в конечном счете может привести к утверждению неверной гипотезы о значимости регрессионных коэффициентов и значимости уравнения регрессии в целом.

Для устранения автокорреляции применяют взвешенный метод наименьших квадратов, который является частным случаем обобщенного метода наименьших квадратов.

• Графики гетероскедастичности
• Последствия гетероскедастичности

Обнаружение гетероскедастичности

В ряде случаев, зная характер данных, появление проблемы гетероскедастичности можно предвидеть и попытаться устранить этот недостаток еще на этапе спецификации. Однако значительно чаще проблему приходится решать после построения уравнения регрессии. Для определения гетероскедастичности разработано довольно большое число тестов и критериев для них.

• Тест Спирмена
• Тест Парка
• Тест Глейзера
• Тест Голдфелда-Квандта
• Тест Уайта