Homoesquelético

DEFINICIÓN de Homoskedastic

Homoskedastic (también deletreado "homoscedastic") se refiere a una condición en la cual la varianza del término residual, o error, en un modelo de regresión es constante. Es decir, el término de error no varía mucho a medida que cambia el valor de la variable predictora. La homocedasticidad es una suposición del modelo de regresión lineal. Si la varianza de los errores alrededor de la línea de regresión varía mucho, el modelo de regresión puede estar mal definido. La falta de homocedasticidad puede sugerir que el modelo de regresión puede necesitar incluir variables predictoras adicionales para explicar el rendimiento de la variable dependiente.

Lo opuesto a la homoscedasticidad es la heterocedasticidad, así como lo opuesto a "homogéneo" es "heterogéneo". La heterocedasticidad se refiere a una condición en la cual la varianza del término de error en una ecuación de regresión no es constante.

DESMONTAJE Homoskedastic

Un modelo de regresión simple, o ecuación, consta de cuatro términos. En el lado izquierdo está la variable dependiente. Representa el fenómeno que el modelo busca "explicar". En el lado derecho hay una constante, una variable predictora y un término residual o de error. El término de error muestra la cantidad de variabilidad en la variable dependiente que no se explica por la variable predictora.

Ejemplo de homocedasticidad

Por ejemplo, suponga que desea explicar los puntajes de los exámenes de los estudiantes usando la cantidad de tiempo que cada estudiante pasó estudiando. En este caso, los puntajes de las pruebas serían la variable dependiente y el tiempo dedicado a estudiar sería la variable predictora. El término de error mostrará la cantidad de variación en los puntajes de las pruebas que no se explica por la cantidad de tiempo de estudio. Si esa varianza es uniforme u homoskedastic, entonces eso sugeriría que el modelo puede ser una explicación adecuada para el rendimiento de la prueba, explicando en términos de tiempo dedicado a estudiar.

Pero la variación puede ser heteroscedastica. Una gráfica de los datos del término de error puede mostrar que una gran cantidad de tiempo de estudio correspondió muy estrechamente con los puntajes altos de las pruebas, pero que los puntajes bajos de las pruebas de tiempo de estudio variaron ampliamente e incluso incluyeron algunos puntajes muy altos. Por lo tanto, la varianza de los puntajes no estaría bien explicada simplemente por una variable predictiva: la cantidad de tiempo de estudio. En este caso, es probable que haya algún otro factor en funcionamiento, y es posible que sea necesario mejorar el modelo. La investigación adicional puede revelar que algunos estudiantes habían visto las respuestas a la prueba con anticipación y, por lo tanto, no necesitaban estudiar.

Para mejorar el modelo de regresión, el investigador, por lo tanto, agregaría otra variable explicativa que indique si un estudiante había visto las respuestas antes de la prueba. El modelo de regresión tendría dos variables explicativas: el tiempo de estudio y si el alumno tenía conocimiento previo de las respuestas. Con estas dos variables, se explicaría una mayor parte de la varianza de los puntajes de las pruebas y la varianza del término de error podría entonces ser homoskedastic, lo que sugiere que el modelo estaba bien definido.

Comparar cuentas de inversión Nombre del proveedor Descripción Divulgación del anunciante × Las ofertas que aparecen en esta tabla son de asociaciones de las cuales Investopedia recibe una compensación.

Términos relacionados

Heteroscedasticidad En estadística, la heteroscedasticidad ocurre cuando las desviaciones estándar de una variable, monitoreadas durante un período de tiempo específico, no son constantes. más ¿Qué es un término de error? Un término de error se define como una variable en un modelo estadístico, que se crea cuando el modelo no representa completamente la relación real entre las variables independientes y dependientes. más Heteroscedastic Heteroskedastic se refiere a una condición en la cual la varianza del término residual, o término de error, en un modelo de regresión varía ampliamente. más Cómo funciona la regresión lineal múltiple La regresión lineal múltiple (MLR) es una técnica estadística que utiliza varias variables explicativas para predecir el resultado de una variable de respuesta. más R-Squared R-squared es una medida estadística que representa la proporción de la varianza para una variable dependiente que se explica por una variable independiente. más Cómo funciona el método de mínimos cuadrados El método de mínimos cuadrados es una técnica estadística para determinar la línea de mejor ajuste para un modelo, especificada por una ecuación con ciertos parámetros a los datos observados. más enlaces de socios