Pojęcia – Homoskedastyczność i jednorodność wielkości efektów są często używane w odniesieniu do analizy regresji / Anova. Te założenia powodują wiele zamieszania, przynajmniej w moim umyśle . Nie mam jasności co do homoskdastyczności wielkości efektów? Czym różni się to od założenia jednorodności wariancji dla Anova? Czy te założenia mają znaczenie np. metaanaliza korelacji / wielkość efektu d?
Komentarze
- Homoskedastyczność oznacza równe wariancje. Spodziewałbym się, że ilekroć jednorodność jest wymieniana w kontekście statystycznym, oznaczałoby to również, że coś jest przeciętnie stałe, ale całkiem zależałoby od kontekstu. Ponieważ nie ' nie wyjaśniasz wątpliwości (" być może "?) I podajesz precyzyjnie zero dowodów na twierdzenie " wiele nieporozumień ". Mogę dopasować twoje dwa zdania tylko do moich dwóch zdań. Daje to zasadniczo minimalną ilość substancji, na którą można odpowiedzieć. ' nazywam to brakiem wysiłku badawczego.
- Podhash, gdybyś mógł edytować swoje pytanie, aby wyjaśnić, co masz na myśli przez " jednorodność " – co jest pojęciem niejasnym poza kontekstem – wtedy odpowiedź byłaby mniej problematyczna.
- To zależy od tego, co rzecz, nad którą rozważamy jednorodność. Jednorodność wariancji to homoskedastyczność. Jednorodność czegoś, co różni się od wariancji, różni się od homoskedastyczności.
- To ' to naprawdę dziwne, że zdecydowałeś się zaakceptować nową odpowiedź, która do tej pory ma – 4 głosy przeciw zamiast gung ' z odpowiedzią +9 głosów za. To ' to naprawdę dziwny wybór. Odciskam Twoje pytanie (-1), aby odciągnąć innych użytkowników od tego wątku.
Odpowiedz
Nie zgadzam się z każdą odpowiedzią tutaj. Jednorodność wariancji oznacza podobną wariancję wśród zgrupowanych wykresów rozrzutu. Homoskadastyczność jest rozkładem normalnym występującym dla każdego punktu na osi x (zmienna predykcyjna), zatem w każdym punkcie zmiennej predykcyjnej musi istnieć podobna kurtooza, która może wydawać się jednorodnością wariancji, ale to nie to samo.
Komentarze
- Homoskedastyczność [nie scad ] w ogóle nie implikuje normalnego rozkładu. Jak sugerują jego korzenie, jest to kwestia (w przybliżeniu) równego rozproszenia, bez żadnych innych sugestii. Homoskedastyczność nie oznacza również, że mamy ciągłą oś w dowolnym miejscu, ponieważ można ją również zdefiniować dla jakościowo różnych rozkładów. Oto trywialny przykład. Wyobrażam sobie kilka równomiernych rozkładów w tym samym przedziale. Wynika z tego natychmiast, że mają tę samą wariancję, a konfiguracja jest homoskedastyczna.
- Podobna (nawet równa) kurtooza jest również całkiem różna od równej wariancji. Ta sama kurtoza jest zgodna z różnymi wariantami. Mówiąc bardziej ogólnie, ' ponownie ogłaszasz tutaj sprzeciw: więc co dokładnie jest nie tak z istniejącą odpowiedzią (liczę tylko jedną)?
- Ta charakterystyka homoskedastyczności jest tak daleko od zwykłego znaczenia, że czuję się zobowiązany do odrzucenia odpowiedzi jako ostrzeżenia dla tych, którzy mogą być nowicjuszami w tym określeniu. Zmieniłbym to głosowanie, gdyby odpowiedź została zredagowana tak, aby zawierała przystępne, wiarygodne odniesienie do jej poparcia.
- Ta odpowiedź musi potwierdzać jej twierdzenia.
- Przejrzałem Twoje linki, ale znalazłem nie ma w nich nic na poparcie twoich roszczeń. Oba ilustrują konwencjonalne znaczenie heteroskedastyczności. Ani nie odwołuje się do normalności ani kurtozy w definicji. (Nawiasem mówiąc, Kurtoza ma niewiele wspólnego z kształtem rozkładu normalnego i nie jest z nim synonimem). W związku z tym obydwa raczej zaprzeczają, niż wspierają twoją odpowiedź. Uważam, że @NickCox wskazał, że poprawna pisownia nie ma być krytyczna, a jedynie pomóc czytelnikom w wyszukiwaniu powiązanych materiałów. (Wyszukiwarka w tej witrynie nie radzi sobie dobrze z identyfikowaniem błędów ortograficznych).
Odpowiedź
( Uwaga: przez „jednorodność” zakładam, że masz na myśli „jednorodność wariancji”. )
Zasadniczo są to dwie różne nazwy tego samego założenia, które można nazwać bardziej potoczny angielski „stała wariancja błędów” (oczywiście w praktyce nie mamy dostępu do prawdziwych błędów, tylko do reszt, które faktycznie sprawdzamy). Termin „jednorodność wariancji” jest tradycyjnie używany w kontekście ANOVA, a „homoskedastyczność” jest używany częściej w kontekście regresji. Ale oba oznaczają, że wariancja reszt jest wszędzie taka sama.
Jeśli masz problemy ze zrozumieniem homo- / heteroskedastyczności, mam kilka postów na ten temat, które mogą być dla Ciebie pomocne:
- Jak zrozum , czym jest homoskedastyczność i sprawdź dla heteroskedastyczność: Co oznacza „stała wariancja” w modelu regresji liniowej?
- wpływ heteroskedastyczności na moc statystyczną: Wydajność oszacowań beta z heteroskedastycznością
- Możliwe strategie alternatywne w przypadku heteroskedastyczności: Alternatywy dla jednokierunkowej ANOVA dla danych heteroskedastycznych
Komentarze
- Literówka tutaj @Gung: it is homosc. oznacza to, że wariancja jest taka sama. Ściśle homosc. to założenie dotyczące błędów lub rozkładów warunkowych, a nie reszt.
- Jednorodność ma również szersze znaczenie, gdy próbki są w pewnym sensie podobne, tj. w przeciwieństwie do niejednorodności.
- I ' d powiedz to ' s zwykle podawane w całości jako " jednorodność wariancji " – jak mówi @Aksakal, " jednorodność " jest szersza. [Pozwoliłem sobie poprawić literówkę, którą wskazał Nick.]
- To jest pomocne, ale chciałbym to trochę określić. Na przykład ' widziałem odniesienia do jednorodności w odniesieniu do prawdopodobnie mieszanych dystrybucji w przypadku, gdy dystrybucja pochodzi z jednego źródła; oraz w odniesieniu do procesów przestrzennych. Zatem jednorodność nie musi oznaczać jednorodności wariancji. Z tego, co wiem, wykracza to poza to, co miał na myśli OP, ale jest to ' uczciwy komentarz, biorąc pod uwagę obecne brzmienie pytania.
- Słuszna uwaga, @NickCox. Dodałem ostrzeżenie.