Последствия гетероскедастичности

Источники гетероскедастичности

Гетероскедастичность характерна для перекрестных данных, когда учитываются экономические субъекты (потребители, домохозяйства, фирмы, отрасли и т.д.), имеющие различные доходы, размеры, потребности и т.д. В данном случае возможны проблемы, связанные с эффектом масштаба.

Гетероскедастичность возникает также и во временных рядах, когда зависимая переменная имеет большой интервал качественно неоднородных значений или высокий темп изменения (инфляция, технологические сдвиги, изменения в законодательстве, потребительские предпочтения и т.д.).

Последствия гетероскедастичности

При рассмотрении классической линейной регрессионной модели МНК дает наилучшие линейные не­смещенные оценки (BLUE-оценки) лишь при выполнении ряда пред­посылок, одной из которых является постоянство дисперсии отклоне­ний (гомоскедастичность).

При гетероскедастичности последствия применения МНК будут следующими:

1. Оценки коэффициентов остаются несмещенными и линейными.
2. Оценки не будут эффективными (т.е. они не будут иметь наименьшую дисперсию по сравнению с другими оценками данного параметра).
3. Дисперсии оценок будут рассчитываться со смещением.
4. Выводы, получаемые при стандартных проверках качества оценок, могут быть ошибочными и приводить к неверным заключениям на основе построенной модели

Вполне вероятно, что стандартные ошибки коэффициентов будут занижены. Это приведет к завышению t-статистик и даст неправильное (завышенное) представление о точности оценок.

Так при проверке значимости коэффициента регрессии с помощью статистики , использование заниженного значения повлечет увеличение t-статистики, что может привести к неправильным выводам.