Докато хетероскедастичността не причинява отклонение в оценките на коефициентите, тя ги прави по-малко точни; по-ниската точност увеличава вероятността оценките на коефициента да са по-далеч от правилната стойност на популацията.
Какви проблеми причинява хетероскедастичността?
Хетероскедастичността има сериозни последици за OLS оценка. Въпреки че оценката на OLS остава безпристрастна, изчисленото SE е погрешно. Поради това не може да се разчита на доверителни интервали и тестове на хипотези. Освен това оценката на OLS вече не е СИНЯ.
Какво правите, ако имате хетероскедастичност?
Има три често срещани начина за коригиране на хетероскедастичността:
- Трансформирайте зависимата променлива. Един от начините за фиксиране на хетероскедастичността е да трансформирате зависимата променлива по някакъв начин. …
- Предефиниране на зависимата променлива. Друг начин за фиксиране на хетероскедастичността е предефинирането на зависимата променлива. …
- Използвайте претеглена регресия.
Влияе ли хетероскедастичността на безпристрастността?
Хетероскедастичността причинява погрешна спецификация на модела и може да навреди на прогнозите, ако не бъде отчетена. Но в лицето на хетероскедастичността оценките на най-малките квадрати остават безпристрастни.
Кое от тези е вярно за хетероскедастичността?
Кое от тези е вярно за хетероскедастичността? Наличието на непостоянна дисперсия в термините за грешка води до хетероскедастичност. Обикновено непостоянната дисперсия възниква поради наличието на отклонения или екстремни стойности на ливъридж. Можете да се обърнете към тази статия за повече подробности относно регресионния анализ.
