Определитель матрицы ▦ Производная функции dydx График 3D Упростить выражение Графический метод решения задач нелинейного программирования ⇲ …
Примеры решений Коэффициент Спирмена Коэффициент Фехнера Множественная регрессия Нелинейная регрессия Уравнение регрессии Автокорреляция Расчет параметров тренда Ошибка аппроксимации

Проверка на наличие гетероскедастичности

Включать в отчет
Теоретический материал.
Коэффициент корреляции и его значимость
Коэффициент эластичности (оценка силы связи фактора с результатом)
β–коэффициент (оценка силы связи фактора с результатом)
Ошибка аппроксимации
Эмпирическое корреляционное отношение

Доверительные интервалы:
Доверительные интервалы для прогноза
Индивидуальные доверительные интервалы
Проверка качества уравнения регрессии
Значимость коэффициентов a,b (t-статистика. Критерий Стьюдента)
Значимость уравнения в целом (F-статистика. Критерий Фишера. коэффициент детерминации).
Дисперсионный анализ.
Проверка наличия предпосылок МНК
Проверка автокорреляции остатков (в т.ч. тест Дарбина-Уотсона)
Проверка гетероскедастичности и гомоскедастичности (в т.ч. тест Спирмена)
RS-критерий (нормальность распределения остатков)
Уровень значимости

Создавать шаблон решения в Excel

Оформление отчета:

Форма отчета
Обозначение переменных
Здесь будет отображаться решение.

Одной из ключевых предпосылок МНК является условие постоянства дисперсий случайных отклонений. Выполнимость данной предпосылки называется гомоскедастичностью (постоянством дисперсии отклонений), невыполнимость данной предпосылки называется гетероскедастичностью (непостоянством дисперсии отклонений).

Назначение сервиса. С помощью сервиса проводится проверка данных на гетероскедастичность следующими методами:

Случайные отклонения принимают произвольные значения некоторых вероятностных распределений. Но, несмотря на то что при каждом конкретном наблюдении случайное отклонение может быть большим либо меньшим, положительным либо отрицательным, не должно быть причины, вызывающей большие отклонения при одних наблюдениях и меньшие при других. Если дисперсии случайных составляющих неодинаковы в разных наблюдениях: σ2ui ≠ σ2u σ const, i, j = 1;n (i ≠ j), говорят, что имеет место гетероскедастичность (т. е. неодинаковый разброс случайных составляющих).

Гомоскедастичность подразумевает одинаковую дисперсию остатков при каждом значении фактора.