La heterocedasticidad es un término estadístico utilizado para describir el comportamiento de la varianza y la desviación estándar de una muestra. Si la calidad está presente, entonces la varianza y la desviación estándar de la variable no son constantes en todo el gráfico de los datos de la muestra. Si estas medidas son constantes, se dice que los datos son homoskedastic.
La varianza de una variable es una medida de hasta qué punto los valores observados están dispersos del valor medio o promedio. La desviación estándar es la raíz cuadrada de la varianza, y a menudo se usa para describir distribuciones. Según la relación descrita por el teorema de Chebyshev, un cierto porcentaje de datos debe caer dentro de cada desviación estándar del valor medio. Por ejemplo, al menos el 75 por ciento de los puntos de datos en una muestra deben estar dentro de dos desviaciones estándar de la media. Por lo tanto, la desviación estándar de una muestra proporciona información aproximada sobre la posición relativa de cada punto de datos.
Hay dos variedades de heterocedasticidad: condicional e incondicional. Si los datos son condicionalmente heteroscedasticos, los analistas no pueden predecir cuando los datos estarán más dispersos y cuándo estarán menos dispersos. Este es el caso de los precios de los productos financieros, incluidas las existencias.
La heterocedasticidad incondicional es predecible. Las variables que son cíclicas por naturaleza exhiben comúnmente esta propiedad. Las variables cuya varianza cambia con su nivel también son incondicionalmente hetroscedasticas. Por ejemplo, puede predecir que si puede sostener algo en la mano, puede medir su peso con bastante precisión; puede ser, como máximo, algunas libras o kilogramos de descuento. Sin embargo, si se le pide que calcule el peso de un edificio, es posible que sea incorrecto en miles de libras o kilogramos: la variación de su suposición aumenta, previsiblemente, con el peso del objeto.
Si la heteroscedasticidad está presente o no tiene relación con la interpretación adecuada del análisis estadístico de los datos. La calidad no afecta la regresión; Esto significa que los métodos para colocar los gráficos de mejor ajuste funcionarán igualmente bien con datos tanto heterocedasticos como homoscedasticos. Estos gráficos se crean al encontrar los coeficientes de los datos, que miden cuánto afecta una variable particular a un resultado. La heterocedasticidad sesga los valores de la varianza de los coeficientes que devuelven los modelos.
Hay una variedad de pruebas matemáticas que pueden determinar si hay heterocedasticidad presente en una muestra de una variable. Muchas de estas pruebas están disponibles en el software de análisis estadístico. Un observador también puede detectar algunos casos de heterocedasticidad mirando un gráfico de la muestra. Busque áreas del gráfico que estén más o menos dispersas; Sin embargo, es importante distinguir entre las variaciones verdaderas en la cantidad de dispersión y los grupos que se esperan en las distribuciones que tienen un elemento de aleatoriedad.
Inteligente de activos.