Homoskedastisitas adalah karakteristik caral regresi linier yang menyiratkan bahwa varians dari kesalahan adalah konstan dari waktu ke waktu.
Istilah ini, yang merupakan kebalikan dari heteroskedastisitas , digunakan untuk menamai properti dari beberapa caral regresi linier di mana kesalahan estimasi konstan sepanjang pengamatan. Varians konstan memungkinkan kita untuk memiliki caral yang lebih andal. Selanjutnya, jika varians selain konstan, juga lebih kecil, akan menghasilkan prediksi caral yang lebih andal.
Kata homoskedastisitas dapat dipecah menjadi dua bagian, homo (sama) dan cedasticity (dispersi). Sedemikian rupa sehingga, jika kita menggabungkan dua kata ini yang diadaptasi dari bahasa Yunani, kita akan memperoleh sesuatu seperti dispersi yang sama atau dispersi yang sama.
Analisis regresi
Homoskedastisitas dalam caral regresi linier
Homoskedastisitas adalah properti kesalahan yang diinginkan dalam caral regresi sederhana. Homoskedastisitas, seperti yang telah kita katakan sebelumnya, memungkinkan kita untuk membuat caral yang lebih andal. Dan keandalan itu tercermin dalam kenyataan bahwa lebih mudah bagi ahli ekonometrika untuk bekerja dengan caral tersebut.
Model yang disajikan di bawah ini menunjukkan homoskedastisitas. Ini bukan contoh yang sempurna, tetapi itu nyata, yang dengannya kita dapat lebih memahami konsepnya.
Pada gambar sebelumnya kita dapat melihat grafik yang mewakili harga IBEX35. Kutipan mengacu pada periode yang dipilih secara acak dari 89 periode. Garis merah mewakili perkiraan IBEX35. Indikator berfluktuasi ke bawah dan ke atas pada garis itu kurang lebih secara homogen.
Untuk melihat apakah caral kita memiliki sifat homecedasticity, yaitu, untuk melihat apakah varians kesalahannya konstan, kita akan menghitung kesalahan dan memplotnya pada grafik.
Kita tidak dapat mengatakan dengan pasti bahwa caral memiliki sifat homoskedastisitas. Untuk ini kita harus melakukan tes yang sesuai. Namun, bentuk grafik menunjukkan hal itu. Contoh sempurna dari proses homoskedastis yang dilakukan dengan sengaja dengan program komputer tercermin dalam grafik berikut.
Gambar tentang apa yang ideal dan contoh kita di IBEX35 berbeda. Jadi, kita harus memahami fenomena nyata apa yang membuat asumsi ini sulit dipenuhi.
Seperti yang ditunjukkan dalam artikel tentang heteroskedastisitas , ada konsekuensi tertentu dari caral yang tidak memenuhi hipotesis homoskedastisitas. Ingatlah bahwa jika suatu caral tidak memenuhi asumsi homoskedastisitas, maka kesalahannya memiliki heteroskedastisitas dan hal berikut terjadi:
Adanya kesalahan dalam perhitungan matriks yang sesuai dengan estimator.
Efisiensi dan keandalan caral hilang.
Perbedaan antara homoskedastisitas dan heteroskedastisitas
heterocedasticidad berbeda dari homocedasticidad bahwa di kedua varians dari kesalahan dari variabel penjelas konstan atas semua pengamatan. Tidak seperti heteroskedastisitas, dalam caral statistik homekedastisitas, nilai satu variabel dapat memprediksi variabel lain (jika caralnya tidak bias) dan, oleh karena itu, kesalahan sering terjadi dan konstan selama penelitian.
Situasi utama di mana gangguan heteroskedastis muncul adalah analisis dengan data cross-sectional di mana unsur-unsur yang dipilih, baik itu perusahaan, individu atau unsur ekonomi, tidak memiliki perilaku yang homogen di antara mereka.