Termíny – Homoscedasticita a homogenita efektových velikostí se často používají s ohledem na regresní analýzu / Anova. Tyto předpoklady přinášejí alespoň v mé mysli hodně zmatku . Nemám jasno v homoscdasticitě efektních velikostí? Jak odlišné je to od homogenity předpokladu rozptylu pro Anovu? Jsou tyto předpoklady relevantní např. metaanalýza korelace / velikosti efektu d?
Komentáře
- Homoscedasticita znamená stejné odchylky. Očekával bych, že kdykoli bude ve statistickém kontextu zmíněna homogenita, znamenalo by to také, že je něco v průměru konstantní, ale co by záleželo na kontextu. Když ' t nevysvětlíte pochybnosti (" snad "?) A uvedete přesně nulový důkaz pro tvrzení o " spoustě zmatků " Vaše dvě věty mohu spojit pouze se svými dvěma větami. To dává v podstatě minimální obsah, na který je třeba reagovat. Říkám tomu ' nedostatek výzkumného úsilí.
- Subhashe, pokud byste mohli svou otázku upravit a vysvětlit, co máte na mysli pod pojmem " homogenita " – což mimo kontext je vágní pojem – pak by bylo méně problematické odpovědět.
- Záleží na tom, co uvažujeme o homogenitě. Homogenita variance je homoscedasticita. Homogenita něčeho, co se liší od rozptylu, se bude lišit od homoscedasticity.
- ' Je opravdu bizarní, že jste se rozhodli přijmout novou odpověď, která již má – 4 hlasy proti, namísto odpovědi gung ' s +9 hlasy proti. To je ' opravdu zvláštní volba. Hlasuji proti vaší otázce (-1), abych odvedl ostatní uživatele od tohoto vlákna.
Odpověď
Nesouhlasím s každou odpovědí zde. Homogenita rozptylu znamená podobnou rozptyl mezi seskupenými scatterplots. Homoscadasticita je normální rozdělení vyskytující se pro každý bod na ose x (predikční proměnná), takže v každém bodě predikční proměnné musí existovat podobná špičatost, která se může jevit jako homogenita rozptylu, ale není to totéž.
Komentáře
- Homoscedasticita [ne scad ] vůbec neznamená normální distribuci. Jak naznačují jeho kořeny, jde o (přibližně) stejný rozptyl, z čehož nic jiného nevyplývá. Homoscedasticita také neznamená, že máme spojitou osu kdekoli, protože ji lze definovat i pro kvalitativně odlišná rozdělení. Zde je triviální příklad. Představuji si několik rovnoměrných distribucí ve stejném intervalu. Okamžitě z toho vyplývá, že mají stejnou odchylku a nastavení je homoscedastické.
- Podobná (dokonce stejná) špičatost je také zcela odlišná od stejné odchylky. Stejná špičatost je v souladu s rozdílnou odchylkou. Obecněji zde ' ohlašujete nesouhlas: co přesně je tedy špatného s existující odpovědí (počítám pouze jednu)?
- Tato charakteristika homoscedasticity je tak daleko od obvyklého významu, že se cítím povinen odmítnout odpověď jako varování pro ty, kteří by pro tento výraz mohli být noví. Změnil bych toto hlasování, pokud by odpověď byla upravena tak, aby obsahovala přístupný a autoritativní odkaz na její podporu.
- Tato odpověď musí podpořit svá tvrzení.
- Podíval jsem se na vaše odkazy, ale mohl jsem najít nic v nich na podporu vašich tvrzení. Oba ilustrují konvenční význam heteroscedasticity. V definici nevyvolává normálnost ani špičatost. (Kurtosis, mimochodem, má málo společného s tvarem normálního rozdělení a není s ním synonymem). Oba tedy vaši odpověď spíše odporují, než podporují. Věřím, že důvod, proč @NickCox poukázal na správné hláskování, nemělo být kritické, ale pouze na pomoc čtenářům při hledání souvisejícího materiálu. (Vyhledávací stroj na tomto webu neumí správně identifikovat překlepy.)
Odpověď
( Poznámka: pod pojmem „homogenita“ předpokládám, že máte na mysli „homogenitu variance“. )
Jsou to v podstatě dva různé názvy pro stejný předpoklad, které lze nazvat více hovorová angličtina „konstantní rozptyl chyb“ (samozřejmě, v praxi nemáme přístup ke skutečným chybám, pouze ke zbytkům, které vlastně kontrolujeme). Pojem „homogenita variance“ se tradičně používá v kontextu ANOVA a „homoscedasticita“ se běžněji používá v kontextu regresí. Oba ale znamenají, že rozptyl zbytků je všude stejný.
Pokud máte potíže s porozuměním homo- / heteroscedasticity, mám několik příspěvků k tomuto tématu, které vám mohou pomoci:
- Jak pochopte co je homoscedasticita a zkontrolujte heteroscedasticity: Co znamená „konstantní rozptyl“ v lineárním regresním modelu?
- účinek heteroscedasticity na statistickou moc: Efektivita odhadů beta s heteroscedasticty
- Možné alternativní strategie , pokud máte heteroscedasticitu: Alternativy k jednosměrné ANOVA pro heteroscedastická data
Komentáře
- Typo zde @Gung: je to homosc. to znamená, že rozptyl je stejný. Přísně, homosc. je předpoklad o chybách nebo podmíněném rozdělení, nikoli zbytcích.
- Homegeneita má také širší význam toho, že vzorky jsou v určitém smyslu podobné, tj. na rozdíl od heterogenity.
- I ' d říkají, že ' je obvykle uveden v plném rozsahu jako " homogenita variance " – jak říká @Aksakal, " homogenita " je širší. [Dovolil jsem si opravit překlep, na který upozornil Nick.]
- To je užitečné, ale trochu bych to kvalifikoval. Například jsem ' viděl odkazy na homogenitu ve vztahu k možným smíšeným distribucím v případě, že distribuce pochází z jednoho zdroje; a ve vztahu k prostorovým procesům. Homogenita tedy nemusí znamenat homogenitu rozptylu. Všechno, co vím, jde nad rámec toho, co měl OP na mysli, ale ' je poctivý komentář vzhledem k aktuálnímu znění otázky.
- Dobrá poznámka, @NickCox. Přidal jsem upozornění.