Heteroskedasticity dans les statistiques est la dépendance de la dispersion ou la variance d'erreur, sur au moins une variable indépendante. modèles couramment utilisés tels que la régression linéaire, ainsi que leur mesure de l'ajustement des tests, supposent la constance de la variance pour la simplification de calcul. modèles linéaires généralisés englobent des modèles statistiques qui permettent des variables aléatoires diffèrent de la variance.
Une cause commune de hétéroscédasticité est la variation de la moyenne. Si la moyenne entre les classes augmente, la variance peut augmenter proportionnellement. Une autre cause est la variation de la qualité des données.
Exemple De Biologie
Un exemple simple de la moyenne et la variation de plus en plus ensemble, peuvent être prises dès l'enfance. Dites 95 pour cent des nouveau-nés aux États-Unis entrent dans un kilogramme de 3,4 kg. Cependant, vous ne seriez pas attendre à une telle petite variation dans les mêmes enfants de 10 ans plus tard.
Heureusement, il existe une tendance à la variance, ce qui suggère la division de la variance par la valeur de la variable aléatoire lors de la modélisation de la variance de l'erreur.
Exemple De Economie
Heteroskedasticity peut également provenir d'une variation de la qualité des données. Par exemple, un économiste peut se développer un modèle de croissance du PNB, mais ont moins confiance dans l'exactitude des données en provenance des pays post-soviétiques et africains. Variation de la variance d'erreur peut alors venir de la variation de l'erreur de collecte de données.
Deux formes de Heteroskedasticity
Il y a un autre double classification d'hétéroscédasticité, lorsque le temps est la variable indépendante par laquelle la variance change. hétéroskédasticité inconditionnelles se réfère à variation dans le temps de la variance. hétéroscédasticité conditionnelle décrit l'incapacité à identifier les variations futures de la volatilité.
hétéroscédasticité conditionnelle implique donc hétéroscédasticité inconditionnelle, puisque nonconstantcy dans le premier cas implique dans celui-ci. L'inverse ne tient pas.
Exemple de l'assurance
les classes actuarielles du risque diffèrent par la perte attendue par unité d'exposition, et donc par la variance. Tout comme la perte attendue peut être estimée pour les pertes futures, en utilisant passé date de la perte, ne peut donc la variance, s'il y a suffisamment de données pour le faire. Ce serait alors un exemple de hétéroscédasticité inconditionnel.
Toutefois, les données peuvent être insuffisantes pour déterminer un modèle de tendance sans agréger classes. Différentes classes peuvent tendance à des taux différents, certains ont même négativement. Par conséquent hétéroscédasticité conditionnelle existe au niveau de la classe.
Exemple d'investissement
Les périodes de faible volatilité et de haute ne sont généralement pas connus dans les actions et obligations, et donc seraient décrits comme deux hétéroscédastiques conditionnelle et inconditionnelle.
Un produit, d'autre part, peuvent avoir une composante saisonnière à sa variance. Par exemple, la variabilité de la Nouvelle-Angleterre prix de l'électricité a été constaté à augmenter au cours des mois d'été. Une telle situation est inconditionnellement hétéroscédastique, parce que le temps-dépendance de la variabilité existe, mais pas conditionnellement hétéroscédastique, parce que le calcul de variance conditionnelle à temps peut supprimer la variance variabilité.