5 Вопрос Анализ остатков: гомоскедастичность, гетероскедостичность остатков (тесты Гольфельда-Квандта,ранговой корреляции Спирмана )

Гетероскедастичность (англ. Heterosсedasticity) — понятие, используемое в эконометрике, означающее неоднородность наблюдений, выражающуюся в неодинаковой (непостоянной) дисперсии случайной ошибки регрессионной (эконометрической) модели. Гетероскедастичность противоположна понятию гомоскедастичность, которое означает однородность наблюдений, то есть постоянство дисперсии случайных ошибок модели.

Наличие гетероскедастичности случайных ошибок приводит к неэффективности оценок, полученных с помощью метода наименьших квадратов. Кроме того, в этом случае оказывается смещённой и несостоятельной классическая оценка ковариационной матрицы МНК-оценок параметров. Следовательно статистические выводы о качестве полученных оценок могут быть неадекватными. В связи с этим тестирование моделей на гетероскедастичность является одной из необходимых процедур при построении регрессионных моделей.

Тест Голдфелда — Куандта (англ. Goldfeld-Quandt test) — процедура тестирования гетероскедастичности  случайных ошибок регрессионной модели, применяемая в случае, когда есть основания полагать, что стандартное отклонение ошибок может быть пропорционально некоторой переменной. Тест также основывается на предположении нормальности распределения случайных ошибок регрессионной модели. Фактически это F-тест, поскольку статистика теста имеет распределение Фишера.

В первую очередь, данные упорядочиваются по убыванию переменной Z, относительно которой имеются подозрения на гетероскедастичность.

Далее обычным МНК  оценивается исходная регрессионная модель для двух разных выборок — первых и последних m наблюдений в данном упорядочении, где  . Средние n-2m наблюдений исключаются из рассмотрения. Чаще всего объем исключаемых средних наблюдений — порядка четверти общего объема выборки. Тест работает и без исключения средних наблюдений, но в этом случае мощность теста меньше.

Для полученных двух оценок регрессионной модели находят суммы квадратов остатков и рассчитывают F-статистику, равную отношению большей суммы квадратов остатков к меньшей  .

Данная статистика при отсутствии гетероскедастичности (и при нормальности распределения ошибок) имеет распределение  . Следовательно, если данная статистика больше критического значения данного распределения при заданном уровне значимости, то нулевая гипотеза отвергается, то есть гетероскедастичность имеет место. В противном случае гетероскедастичность данного вида признается незначимой. Также можно проверить гипотезу с помощью P-значения данной F-статистики. Если  , где   - уровень значимости, то гетероскедастичность значима, в противном случае - нет.

ГОМОСКЕДАСТИЧНОСТЬ-(homoscedasticity) Наличие одинаковой дисперсии. Данные являются гомоскедастическими, если их вариации соответствуют случайным отклонениям по тому же множеству.

Коэффициент ранговой корреляции Спирмена

Коэффициент ранговой корреляции Спирмена - это непараметрический метод, который используется с целью статистического изучения связи между явлениями. В этом случае определяется фактическая степень параллелизма между двумя количественными рядами изучаемых признаков и дается оценка тесноты установленной связи с помощью количественно выраженного коэффициента.

Практический расчет коэффициента ранговой корреляции Спирмена включает следующие этапы:

1) Сопоставить каждому из признаков их порядковый номер (ранг) по возрастанию (или убыванию).

2) Определить разности рангов каждой пары сопоставляемых значений.

3) Возвести в квадрат каждую разность и суммировать полученные результаты.

4) Вычислить коэффициент корреляции рангов по формуле:.

где   - сумма квадратов разностей рангов, а   - число парных наблюдений.

При использовании коэффициента ранговой корреляции условно оценивают тесноту связи между признаками, считая значения коэффициента равные 0,3 и менее, показателями слабой тесноты связи; значения более 0,4, но менее 0,7 - показателями умеренной тесноты связи, а значения 0,7 и более - показателями высокой тесноты связи.

Мощность коэффициента ранговой корреляции Спирмена несколько уступает мощности параметрического коэффициента корреляции.