{"id":317,"date":"2023-08-02T14:35:00","date_gmt":"2023-08-02T14:35:00","guid":{"rendered":"https:\/\/statorials.org\/it\/eteroschedasticita\/"},"modified":"2023-08-02T14:35:00","modified_gmt":"2023-08-02T14:35:00","slug":"eteroschedasticita","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/eteroschedasticita\/","title":{"rendered":"Eteroschedasticit\u00e0"},"content":{"rendered":"

Questo articolo spiega cos’\u00e8 l’eteroschedasticit\u00e0 nelle statistiche. Inoltre, scoprirai quali sono le cause dell’eteroschedasticit\u00e0, quali sono le sue conseguenze e come risolverlo. <\/p>\n

<\/span> Cos’\u00e8 l’eteroschedasticit\u00e0?<\/span><\/h2>\n

In statistica, l\u2019eteroschedasticit\u00e0<\/strong> \u00e8 una caratteristica che presenta un modello di regressione che implica che la varianza dell\u2019errore non \u00e8 costante. In altre parole, un modello eteroschedastico significa che i suoi errori hanno varianza irregolare, quindi il modello \u00e8 chiamato eteroschedastico.<\/p>\n

Si ricorda che l’errore (o residuo) \u00e8 definito come la differenza tra il valore reale e il valore stimato dal modello di regressione.<\/p>\n<\/p>\n

\"e_i=y_i-\\widehat{y}_i\"<\/p>\n<\/p>\n

Quando si costruisce un modello di regressione, l’errore commesso da ciascuna osservazione viene calcolato utilizzando l’espressione precedente. Pertanto, un modello statistico \u00e8 eteroschedastico quando la varianza<\/a> degli errori calcolati non \u00e8 costante durante le osservazioni, ma piuttosto varia. <\/p>\n

\"eteroschedasticit\u00e0<\/figure>\n

Nonostante possa sembrare molto semplice, \u00e8 importante che un modello di regressione non presenti eteroschedasticit\u00e0, poich\u00e9 il calcolo del modello si basa sul fatto che la varianza dei residui \u00e8 costante, infatti \u00e8 quella delle precedenti ipotesi di i modelli di regressione.<\/p>\n

Esistono alcuni test statistici in grado di rilevare l’eteroschedasticit\u00e0, come il test di White o il test di Goldfeld-Quandt. Tuttavia, solitamente rappresentando graficamente i residui, \u00e8 possibile identificare la loro eteroschedasticit\u00e0. <\/p>\n

<\/span> Cause di eteroschedasticit\u00e0<\/span><\/h2>\n

Le cause pi\u00f9 comuni di eteroschedasticit\u00e0 in un modello sono:<\/p>\n