Melyek a legfontosabb különbségek a hatásméretek homoszkedaszticitása és a variancia homogenitása között?

Nem értek egyet minden válaszával itt. A variancia homogenitása hasonló szórást jelent a csoportosított szóródási sávok között. A homomoszkadaszticitás egy normális eloszlás, amely az x tengely minden pontján előfordul (prediktor változó), ezért a prediktor változó minden pontján hasonló kurtosisnak kell lennie, amely a variancia homogenitásának tűnhet, de ez nem ugyanaz.

Megjegyzések

• A homoscedaszticitás [nem scad ] egyáltalán nem jelent normális eloszlást. Ahogy a gyökerek azt sugallják, (körülbelül) egyenlő szórásról van szó, semmi mást nem sejtve. A homoszkedaszticitás nem jelenti azt is, hogy folytonos tengelyünk van, ahol kvalitatív módon eloszlásokra is meghatározható lenne. Itt van egy triviális példa. Több egységes eloszlást képzelek el ugyanabban az intervallumban. Ebből azonnal következik, hogy ugyanaz a szórásuk, és a felépítés homoszkedasztikus.
• A hasonló (akár egyenlő) kurtosis szintén meglehetősen különbözik az egyenlő varianciától. Ugyanaz a kurtosis összhangban áll a különbözõ varianciákkal. Általánosságban elmondható, hogy ' itt különvéleményt hirdet: tehát pontosan mi a baj a létező válasszal (csak egyet számolok)?
• A homoszkedaszticitás ilyen jellemzése olyan messze a megszokott jelentéstől, hogy kötelességemnek érzem, hogy a választ visszavonjam figyelmeztetésként azok számára, akik esetleg újak a kifejezésben. Megváltoztatnám ezt a szavazást, ha a választ úgy szerkesztenék, hogy egy hozzáférhető, hiteles hivatkozást tartalmazzon annak alátámasztására.
• Ennek a válasznak alátámasztania kell állításait.
• Megnéztem linkjeit, de megtaláltam semmi sem támasztja alá állításait. Mindkettő szemlélteti a heteroszkedaszticitás konvencionális jelentését. Sem a normalitás, sem a kurtosis nem hivatkozik a meghatározásra. (A Kurtosisnak egyébként kevés köze van a normális eloszlás alakjához, és nem szinonimája annak). Így mindketten ellentmondanak, nem pedig támogatják a válaszodat. Úgy vélem, hogy @NickCox rámutatott a helyes írásmódra, hogy nem kritikus volt, hanem csak azért, hogy segítse az olvasókat a kapcsolódó anyagok keresésében. (Az ezen a webhelyen található keresőmotor nem képes a helyesírási hibák azonosításában.)

( Megjegyzés: feltételezem, hogy a “homogenitás” alatt a “variancia homogenitását” érted. )

Lényegében ugyanazon feltételezésnek két különböző neve van, amelyeket további nevezhetnénk. köznyelvi angol “állandó variancia a hibákról” (természetesen a gyakorlatban nem férünk hozzá az igazi hibákhoz, csak a maradványokhoz, amelyeket valójában ellenőrizünk). A “variancia homogenitása” kifejezést hagyományosan az ANOVA kontextusban használják, a “homoscedasticity” kifejezést pedig a regressziós kontextusban. De mindkettő azt jelenti, hogy a maradványok szórása mindenhol azonos.

Ha problémái vannak a homo- / heteroszkedaszticitás megértésével, több bejegyzésem van a témáról, amely hasznos lehet az Ön számára:

• Hogyan értse meg mi az a homoszkedaszticitás, és ellenőrizze, hogy heteroszkedaszticitás: Mit jelent az, hogy lineáris regressziós modellben van “állandó variancia”?
• A hatása a statisztikai teljesítményre: Béta-becslések hatékonysága heteroszkedasztikussal
• Lehetséges alternatív stratégiák heteroszkedasztikusság esetén: Az egyirányú ANOVA alternatívái heteroszkedasztikus adatokhoz

Megjegyzések

• Ide írja be @Gung: ez homoszkóp. ez azt jelenti, hogy a szórás azonos. Szigorúan, homosc. feltételezés a hibákról, vagy a feltételes eloszlásokról, nem pedig maradványokról.
• A homegeneitásnak tágabb értelme van annak is, hogy a minták bizonyos értelemben hasonlóak, azaz szemben a heterogenitással.
• I ' d azt mondja, hogy ' s általában teljes egészében megadva = “36004a4d35″>