Homoskedastic
Homoskedastisch (ook gespeld als "homoscedastisch") verwijst naar een toestand waarin de variantie van de resterende of foutterm in een regressiemodel constant is. Dat wil zeggen dat de foutterm niet veel varieert als de waarde van de voorspellende variabele verandert. Homoskedasticiteit is een veronderstelling van lineaire regressiemodellering. Als de variantie van de fouten rond de regressielijn sterk varieert, is het regressiemodel mogelijk slecht gedefinieerd. Het ontbreken van homoskedasticiteit kan suggereren dat het regressiemodel mogelijk extra voorspellende variabelen moet bevatten om de prestaties van de afhankelijke variabele te verklaren.
Het tegenovergestelde van homoskedasticiteit is heteroskedasticiteit, net zoals het tegenovergestelde van "homogeen" "heterogeen" is. Heteroskedasticiteit verwijst naar een aandoening waarbij de variantie van de foutterm in een regressievergelijking niet constant is.
UITBRAAK Homoskedastic
Een eenvoudig regressiemodel of vergelijking bestaat uit vier termen. Links staat de afhankelijke variabele. Het vertegenwoordigt het fenomeen dat het model wil "verklaren". Aan de rechterkant staan een constante, een voorspellende variabele en een resterende of foutterm. De foutterm toont de hoeveelheid variabiliteit in de afhankelijke variabele die niet wordt verklaard door de voorspellende variabele.
Voorbeeld van homoskedasticiteit
Stel dat u studententestscores wilt uitleggen aan de hand van de hoeveelheid tijd die elke student heeft doorgebracht met studeren. In dit geval zouden de testscores de afhankelijke variabele zijn en zou de bestudeerde tijd de voorspellende variabele zijn. De foutterm zou de hoeveelheid variantie in de testscores laten zien die niet werd verklaard door de hoeveelheid tijd die werd bestudeerd. Als die variantie uniform of homoskedastisch is, zou dat suggereren dat het model een adequate verklaring voor de testprestaties zou kunnen zijn - het zou het kunnen verklaren in termen van bestede tijd.
Maar de variantie kan heteroskedastisch zijn. Een grafiek van de fouttermgegevens kan aantonen dat een grote hoeveelheid studietijd heel nauw overeenkwam met hoge testscores, maar dat de lage studietijd testscores sterk varieerden en zelfs enkele zeer hoge scores omvatten. De variantie van scores zou dus niet goed worden verklaard door slechts één voorspellende variabele - de hoeveelheid tijd die wordt bestudeerd. In dit geval is waarschijnlijk een andere factor aan het werk en moet het model mogelijk worden verbeterd. Nader onderzoek kan uitwijzen dat sommige studenten de antwoorden op de test van tevoren hadden gezien en daarom niet hoefden te studeren.
Om het regressiemodel te verbeteren, zou de onderzoeker daarom nog een verklarende variabele toevoegen die aangeeft of een student de antwoorden vóór de test heeft gezien. Het regressiemodel zou dan twee verklarende variabelen hebben - tijd studeren en of de student vooraf kennis had van de antwoorden. Met deze twee variabelen zou meer van de variantie van de testscores worden verklaard en zou de variantie van de foutterm dan homoskedastisch kunnen zijn, wat suggereert dat het model goed gedefinieerd was.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.