Homoscedasticity เป็นหนึ่งในข้อสมมติของเกาส์มาร์คอฟที่จำเป็นสำหรับ OLS ในการเป็นตัวประมาณค่าแบบไม่มีเส้นตรงที่ดีที่สุด (BLUE)
β
สรุปข้อมูลจากเว็บไซต์ข้างต้นโดยสังเขป heteroscedasticity ไม่ได้แนะนำอคติในการประมาณค่าสัมประสิทธิ์ของคุณ อย่างไรก็ตามความแตกต่างระหว่างความแปรปรวนร่วมคุณไม่สามารถประเมินเมทริกซ์ความแปรปรวนร่วมแปรปรวนได้อย่างถูกต้อง ดังนั้นข้อผิดพลาดมาตรฐานของสัมประสิทธิ์จึงผิด นี่หมายความว่าเราไม่สามารถคำนวณค่าสถิติและค่า p ใด ๆ ได้ดังนั้นจึงไม่สามารถทำการทดสอบสมมติฐานได้ โดยรวมแล้วภายใต้ heteroscedasticity OLS จะสูญเสียประสิทธิภาพและไม่ใช่สีน้ำเงินอีกต่อไป
อย่างไรก็ตาม heteroscedasticity ไม่ใช่จุดสิ้นสุดของโลก โชคดีที่การแก้ไขความแตกต่างที่ยากไม่ใช่เรื่องยาก ตัวประมาณแซนวิชช่วยให้คุณสามารถประเมินข้อผิดพลาดมาตรฐานที่สอดคล้องกันสำหรับค่าสัมประสิทธิ์ อย่างไรก็ตามการคำนวณข้อผิดพลาดมาตรฐานผ่านตัวประมาณแซนวิชมาที่ค่าใช้จ่าย ตัวประมาณไม่ได้มีประสิทธิภาพมากและข้อผิดพลาดมาตรฐานอาจมีขนาดใหญ่มาก วิธีหนึ่งที่จะได้รับประสิทธิภาพคืนมาคือการจัดกลุ่มข้อผิดพลาดมาตรฐานหากเป็นไปได้
คุณสามารถค้นหาข้อมูลรายละเอียดเพิ่มเติมเกี่ยวกับเรื่องนี้ในเว็บไซต์ที่ฉันอ้างถึงข้างต้น