As I explain in Chapter 6, a critic

As I explain in Chapter 6, a critical assumption of the
classical linear regression model is homoskedasticity — that
the variance of the error term is constant over various values
of the independent variables. However, this assumption may
not always hold. When it doesn’t happen, you have
heteroskedasticity. This chapter shows you how to determine
whether you have heteroskedasticity in a particular
application and what you can do to remedy it if you do.

ผลลัพธ์ (ไทย) 1:

ตามที่ผมอธิบายในบทที่ 6 สมมุติฐานที่สำคัญของการแบบจำลองการถดถอยเชิงเส้นแบบคลาสสิกจะ homoskedasticity ได้ที่ผลต่างของข้อผิดพลาดอยู่คงค่าต่าง ๆกับตัวแปรอิสระ อย่างไรก็ตาม ข้อสมมติฐานนี้อาจไม่เคยค้าง เมื่อไม่เกิดheteroskedasticity บทนี้แสดงวิธีการตรวจสอบไม่ว่าคุณต้องการ heteroskedasticity ในเฉพาะประยุกต์และการแก้ไขถ้าคุณทำคุณสามารถทำ

ผลลัพธ์ (ไทย) 2:

ขณะที่ผมอธิบายในบทที่ 6 สมมติฐานที่สำคัญของ
รูปแบบการถดถอยเชิงเส้นคลาสสิกเป็น homoskedasticity - ที่
แปรปรวนของระยะข้อผิดพลาดเป็นค่าคงที่มากกว่าค่าต่างๆ
ของตัวแปรอิสระ อย่างไรก็ตามสมมติฐานนี้อาจ
ไม่เคยถือ เมื่อมันไม่ได้เกิดขึ้นคุณมี
heteroskedasticity ในบทนี้จะแสดงให้คุณเห็นวิธีการตรวจสอบ
ว่าคุณมี heteroskedasticity โดยเฉพาะอย่างยิ่ง
การใช้งานและสิ่งที่คุณสามารถทำได้เพื่อแก้ไขมันถ้าคุณทำ