Heteroskedasticity: Studenmund Chap

Heteroskedasticity: Studenmund Chapter 10
Violations of Homoskedasticity Assumption
The assumption of constant variances for different observations of the error term (homoskedasticity) is not always realistic. For example in a model explaining heights, compare a one-inch error in measuring the height of a basketball player with a one-inch error in measuring the height of a mouse. It’s likely that error term observations associated with the height of a basketball player would come from distributions with larger variances than those associated with the height of a mouse…. OLS, when applied to heteroskedastic models is no longer the minimum variance estimator (it is still unbiased, however). From Studenmund ‘ s Using Econometrics Ch.10
So, the assumption of homoskedasticity says that the variance (or standard deviation, or common) of the error term is exactly the same for each observation. Often we have heteroskedasticity, where the variance is a function of the explanatory variables: That is:

ผลลัพธ์ (ไทย) 1:

Heteroskedasticity: Studenmund บทที่ 10ละเมิด Homoskedasticity อัสสัมชัญสมมติฐานของผลต่างของค่าคงที่สำหรับการสังเกตที่แตกต่างกันของคำผิดพลาด (homoskedasticity) มักจะไม่เป็นจริง ตัวอย่าง ในแบบจำลองที่อธิบายไฮท์ เปรียบเทียบหนึ่งนิ้วมีข้อผิดพลาดในการวัดความสูงของผู้เล่นบาสเก็ตมีข้อผิดพลาดหนึ่งนิ้วในการวัดความสูงของเมาส์ ก็มีแนวโน้มว่า สังเกตระยะผิดพลาดที่เกี่ยวข้องกับความสูงของผู้เล่นบาสเกตบอลจะมาจากการกระจายมีผลต่างที่ใหญ่กว่าสัมพันธ์กับความสูงของเมาส์... OLS เมื่อใช้กับรุ่น heteroskedastic ไม่มีประมาณความแปรปรวนต่ำสุด (จึงยังคน อย่างไรก็ตาม) จาก Studenmund ของใช้ Econometrics Ch.10ดังนั้น สมมติฐานของ homoskedasticity กล่าวว่า ผลต่าง (หรือส่วนเบี่ยงเบนมาตรฐาน การร่วม) ของเงื่อนไขข้อผิดพลาดว่าตรงเหมือนกันสังเกตแต่ละครั้ง มักจะมี heteroskedasticity ซึ่งผลต่างคือ ฟังก์ชันของตัวแปรอธิบาย: ที่อยู่:

ผลลัพธ์ (ไทย) 2:

Heteroskedasticity: บทที่ 10 Studenmund
ละเมิด Homoskedasticity อัสสัมชั
สมมติฐานของความแปรปรวนคงที่สำหรับข้อสังเกตที่แตกต่างกันของคำข้อผิดพลาด (homoskedasticity) ไม่เป็นจริงเสมอ ยกตัวอย่างเช่นในรูปแบบการอธิบายความสูงเปรียบเทียบข้อผิดพลาดหนึ่งนิ้วในการวัดความสูงของผู้เล่นบาสเกตบอลที่มีข้อผิดพลาดหนึ่งนิ้วในการวัดความสูงของเมาส์ เป็นไปได้ว่าการสังเกตระยะข้อผิดพลาดที่เกี่ยวข้องกับความสูงของผู้เล่นบาสเก็ตจะมาจากการกระจายที่มีความแปรปรวนขนาดใหญ่กว่าผู้ที่เกี่ยวข้องกับความสูงของเมาส์ ... OLS เมื่อนำไปใช้กับแบบจำลอง heteroskedastic ไม่ได้ประมาณค่าความแปรปรวนน้อย (ก็ยังคงเป็นกลางอย่างไรก็ตาม) จาก Studenmund ของการใช้เศรษฐ Ch.10
ดังนั้นสมมติฐานของ homoskedasticity กล่าวว่าความแปรปรวน (หรือส่วนเบี่ยงเบนมาตรฐานหรือร่วมกัน) ของคำข้อผิดพลาดเป็นสิ่งเดียวกันสำหรับแต่ละสังเกต บ่อยครั้งที่เรามี heteroskedasticity ที่แปรปรวนเป็นหน้าที่ของตัวแปรอธิบาย: นั่นคือ:

ผลลัพธ์ (ไทย) 3:

heteroskedasticity : studenmund บทที่ 10

homoskedasticity การละเมิดของสมมติฐานสมมติฐานความแปรปรวนคงที่สำหรับการสังเกตที่แตกต่างกันของเงื่อนไขข้อผิดพลาด ( homoskedasticity ) มักจะไม่สมจริง ตัวอย่างเช่นในรูปแบบอธิบายความสูงเปรียบเทียบข้อผิดพลาดหนึ่งนิ้วในการวัดความสูงของผู้เล่นบาสเกตบอลกับนิ้วหนึ่งข้อผิดพลาดในการวัดความสูงของเมาส์เป็นไปได้ว่าข้อผิดพลาดที่เกี่ยวข้องกับระยะสังเกตความสูงของผู้เล่นบาสเกตบอลจะมาจากการแจกแจงที่มีค่าความแปรปรวนที่ใหญ่กว่านั้นเกี่ยวข้องกับความสูงของเมาส์ . . . . . . . และเมื่อใช้กับรุ่น heteroskedastic ไม่มีขั้นต่ำประมาณความแปรปรวน ( มันยังเป็นกลาง แต่ ) จาก studenmund ' s ใช้เศรษฐมิติ ch.10
ดังนั้นสมมติฐานของ homoskedasticity กล่าวว่า ความแปรปรวน ( หรือส่วนเบี่ยงเบนมาตรฐานหรือทั่วไป ) ของเงื่อนไขข้อผิดพลาดเป็นตรงเดียวกันสำหรับแต่ละข้อมูล บ่อยครั้งที่เราเคย heteroskedasticity ที่แปรปรวนเป็นฟังก์ชันของตัวแปรอธิบาย : นั่นคือ :