L’homoscédasticité se produit lorsque la variance du terme d’erreur dans un modèle de régression est constante. À l’opposé, l’hétéroscédasticité se produit lorsque la variance du terme d’erreur n’est pas constante.
Qu’entend-on par hétéroscédasticité ?
En ce qui concerne les statistiques, l’hétéroscédasticité (également orthographiée hétéroscédasticité) fait référence à la variance d’erreur, ou dépendance de la diffusion, dans au moins une variable indépendante au sein d’un échantillon particulier. Cela fournit des lignes directrices concernant la probabilité qu’une variable aléatoire diffère de la moyenne.
Qu’est-ce que l’exemple d’hétéroscédasticité ?
Exemples. L’hétéroscédasticité se produit souvent lorsqu’il existe une grande différence entre les tailles des observations. Un exemple classique d’hétéroscédasticité est celui du revenu par rapport aux dépenses de repas. À mesure que le revenu d’une personne augmente, la variabilité de la consommation alimentaire augmente.
Que signifie l’homoscédasticité dans les statistiques ?
Dans l’analyse de régression, l’homoscédasticité désigne une situation dans laquelle la variance de la variable dépendante est la même pour toutes les données. L’homoscédasticité facilite l’analyse car la plupart des méthodes sont basées sur l’hypothèse d’une variance égale.
Que signifie l’hétéroscédasticité dans la régression ?
L’hétéroscédasticité fait référence à des situations où la variance des résidus est inégale sur une plage de valeurs mesurées. Lors de l’exécution d’une analyse de régression, l’hétéroscédasticité entraîne une répartition inégale des résidus (également appelée terme d’erreur).