Begrepene – Homoscedasticity og homogenitet av effektstørrelser brukes ofte med hensyn til regresjonsanalyse / Anova. Disse antagelsene skaper mye forvirring i det minste i mitt sinn . Jeg er ikke klar over homoskdasticitet av effektstørrelser? Hvor forskjellig er det fra antagelsen om homogenitet av varians for Anova? Er disse forutsetningene relevante for f.eks. metaanalyse av korrelasjon / effektstørrelse d?
Kommentarer
- Homoscedasticity betyr like avvik. Jeg forventer at når homogenitet er nevnt i en statistisk sammenheng, vil det også antyde at noe er konstant i gjennomsnitt, men hva som vil avhenge av kontekst. Når du ikke ' ikke forklarer tvilen (" kanskje "?) Og gir presist null bevis for påstanden om " mye forvirring " Jeg kan bare matche dine to setninger med mine to setninger. Dette gir i hovedsak minimal substans å svare på. Jeg ' kaller det mangel på forskningsinnsats.
- Subhash, hvis du kan redigere spørsmålet ditt for å forklare hva du mener med " homogenitet " – som ut av konteksten er et vagt begrep – da ville det være mindre problematisk å svare.
- Det kommer an på hva ting vi vurderer homogeniteten til. Homogenitet av varians er homoscedasticity. Homogenitet av noe som skiller seg fra varians, vil skille seg ut fra homoscedasticity.
- Det ' er virkelig bisarrt at du bestemte deg for å godta et nytt svar som nå har – 4 nedstemmer i stedet for gung ' s svar med +9 oppstemmer. At ' er et virkelig rart valg. Jeg nedstemte spørsmålet ditt (-1) for å styre andre brukere bort fra denne tråden.
Svar
Jeg er uenig med hvert svar her. Homogenitet av varians betyr lignende avvik blant grupperte spredningsplasser. Homoskadasticitet er en normalfordeling som forekommer for hvert punkt på x-aksen (prediktorvariabel), og det må derfor være en lignende kurtose over hvert punkt i prediktorvariabelen som kan virke som varianshomogenitet, men det er ikke det samme.
Kommentarer
- Homoscedasticity [ikke scad ] innebærer ikke en normalfordeling i det hele tatt. Som røttene antyder, handler det om (omtrent) lik spredning, uten noe annet antydet. Homoscedasticity innebærer heller ikke at vi har en kontinuerlig akse hvor som helst, da den også kan defineres for kvalitativt distinkte fordelinger. Her er et trivielt eksempel. Jeg forestiller meg flere ensartede fordelinger på samme intervall. Det følger umiddelbart at de har samme varians og oppsettet er homoscedastisk.
- Lignende (til og med like) kurtose er også ganske forskjellig fra lik varians. Den samme kurtosen stemmer overens med forskjellig varians. Mer generelt kunngjør du ' uenighet her: så hva er egentlig galt med det eksisterende svaret (jeg teller bare ett)?
- Denne karakteriseringen av homoscedasticity er så langt fra den vanlige betydningen at jeg føler meg forpliktet til å nedstemme svaret som en advarsel til de som kan være nye i begrepet. Jeg ville endre den avstemningen hvis svaret ble redigert for å inkludere en tilgjengelig, autoritativ referanse for å støtte det.
- Dette svaret må støtte dets påstander
- Jeg så på linkene dine, men kunne finne ingenting i dem som støtter påstandene dine. Begge illustrerer den konvensjonelle betydningen av heteroscedasticity. Verken påkaller normalitet eller kurtose i definisjonen. (Kurtosis har forresten lite å gjøre med normalfordelingsformen og er ikke synonymt med den). Dermed motsier de begge snarere enn å støtte svaret ditt. Jeg tror grunnen til at @NickCox påpekte riktig stavemåte ikke var å være kritisk, men bare for å hjelpe leserne med å søke relatert materiale. (Søkemotoren på dette nettstedet klarer ikke å identifisere feilstavinger.)
Svar
( Merk: med «homogenitet» antar jeg at du mener «variansens homogenitet». )
De er i hovedsak to forskjellige navn for samme antagelse, som kan kalles inn mer dagligdags engelsk «konstant varians av feilene» (i praksis har vi ikke tilgang til de sanne feilene, bare restene, som er det vi faktisk sjekker). Uttrykket «variansens homogenitet» brukes tradisjonelt i ANOVA-sammenheng, og «homoscedasticity» brukes oftere i regresjonssammenheng. Men de mener begge at variansen til restene er den samme overalt.
Hvis du har problemer med å forstå homo- / heteroscedasticity, har jeg flere innlegg om emnet som kan være nyttige for deg:
- Hvordan forstå hva homoscedasticitet er, og sjekk heteroscedasticity: Hva betyr det å ha «konstant varians» i en lineær regresjonsmodell?
- effekt av heteroscedasticitet på statistisk kraft: Effektivitet av beta-estimater med heteroscedasticty
- Mulige alternative strategier når du har heteroscedasticitet: Alternativer til enveis ANOVA for heteroscedastiske data
Kommentarer
- Typo her @Gung: det er homosc. det innebærer at varians er den samme. Strengt tatt, homosc. er en antagelse om feil, eller betingede fordelinger, ikke rester.
- Homegeneity har også en bredere betydning av at prøver er like i noen forstand, dvs. i motsetning til heterogenitet.
- I ' d si det ' er vanligvis gitt i sin helhet som " variansens homogenitet " – som @Aksakal sier, " homogenitet " er bredere. [Jeg tok meg friheten til å korrigere skrivefeilen Nick påpekte.]
- Dette er nyttig, men jeg vil kvalifisere det litt. For eksempel har jeg ' sett referanser til homogenitet i forhold til mulig blandede distribusjoner for tilfellet der en fordeling er fra en enkelt kilde; og i forhold til romlige prosesser. Så, homogenitet trenger ikke bety homogenitet av varians. For alt jeg vet går dette utover hva OP hadde i tankene, men det ' en rettferdig kommentar gitt den nåværende formuleringen av spørsmålet.
- Bra poeng, @NickCox. Jeg la til en advarsel.