Os termos – homocedasticidade e homogeneidade de tamanhos de efeito são frequentemente usados em relação à análise de regressão / Anova. Essas suposições criam muita confusão, pelo menos em minha mente . Não estou certo sobre a homoscdasticidade dos tamanhos de efeito? Quão diferente é da suposição de homogeneidade de variância para a Anova? Essas suposições são relevantes para, por exemplo, meta-análise de correlação / tamanho do efeito d?
Comentários
- Homocedasticidade significa variâncias iguais. Eu esperaria que sempre que homogeneidade fosse mencionada em um contexto estatístico, isso também implicaria que algo é constante em média, mas exatamente o que dependeria do contexto. Como você não ' explica a dúvida (" talvez "?) E dê com precisão nenhuma evidência para a alegação de " muitas confusões " Só posso combinar suas duas frases com minhas duas frases. Isso dá substância essencialmente mínima para responder. Eu ' d chamaria isso de falta de esforço de pesquisa.
- Subhash, se você pudesse editar sua pergunta para explicar o que você quer dizer com " homogeneidade " –que fora do contexto é um termo vago – então seria menos problemático responder.
- Depende do que coisa que estamos considerando a homogeneidade. Homogeneidade de variância é homocedasticidade. A homogeneidade de algo que é distinto da variância será diferente da homocedasticidade.
- É ' realmente bizarro que você decidiu aceitar uma nova resposta que até agora – 4 votos negativos em vez de gung ' s resposta com +9 votos positivos. Essa ' é uma escolha realmente estranha. Eu votei contra sua pergunta (-1) para desviar outros usuários deste tópico.
Resposta
Eu discordo com cada resposta aqui. Homogeneidade de variância significa variância semelhante entre gráficos de dispersão agrupados. Homoscadasticidade é uma distribuição normal que ocorre para cada ponto no eixo x (variável preditora), portanto, deve haver uma curtose semelhante em cada ponto da variável preditora que pode parecer homogeneidade de variância, mas não é a mesma coisa.
Comentários
- Homocedasticidade [não scad ] não implica nenhuma distribuição normal. Como suas raízes implicam, é uma questão de dispersão (aproximadamente) igual, sem nada mais implícito. Nem a homocedasticidade implica que temos um eixo contínuo em qualquer lugar, já que também poderia ser definido para distribuições qualitativamente distintas. Aqui está um exemplo trivial. Imagino várias distribuições uniformes no mesmo intervalo. Segue-se imediatamente que eles têm a mesma variância e a configuração é homocedástica.
- Curtose semelhante (até igual) também é bastante distinta de variância igual. A mesma curtose é consistente com variâncias diferentes. De forma mais geral, você ' está anunciando a dissidência aqui: então, o que exatamente está errado com a resposta existente (eu conto apenas uma)?
- Essa caracterização de homocedasticidade é tão longe do significado usual que me sinto obrigado a negar a resposta como um aviso para aqueles que podem ser novos no termo. Eu mudaria esse voto se a resposta fosse editada para incluir uma referência confiável e acessível para apoiá-la.
- Essa resposta precisa apoiar suas afirmações
- Eu olhei seus links, mas consegui encontrar nada neles para apoiar suas reivindicações. Ambos ilustram o significado convencional de heterocedasticidade. Nenhum deles invoca normalidade ou curtose na definição. (A curtose, aliás, tem pouco a ver com o formato da distribuição normal e não é sinônimo). Portanto, ambos contradizem, ao invés de apoiar, sua resposta. Acredito que o motivo de @NickCox apontar a grafia correta não foi para ser crítico, mas apenas para ajudar os leitores a pesquisar materiais relacionados. (O mecanismo de pesquisa neste site não identifica bem os erros de ortografia.)
Resposta
( Nota: por “homogeneidade”, suponho que você queira dizer “homogeneidade de variância”. )
Eles são, em essência, dois nomes diferentes para a mesma suposição, que podem ser chamados de mais O inglês coloquial “variância constante dos erros” (é claro que na prática não temos acesso aos verdadeiros erros, apenas aos resíduos, que são o que realmente verificamos). O termo “homogeneidade de variância” é tradicionalmente usado no contexto ANOVA e “homocedasticidade” é usado mais comumente no contexto de regressão. Mas ambos significam que a variância dos resíduos é a mesma em todos os lugares.
Se você está tendo problemas para entender homo / heterocedasticidade, tenho várias postagens sobre o tópico que podem ser úteis para você:
- Como entenda o que é homocedasticidade e verifique para heterocedasticidade: O que significa ter “variância constante” em um modelo de regressão linear?
- O efeito da heterocedasticidade no poder estatístico: Eficiência das estimativas beta com heterocedasticidade
- Possíveis estratégias alternativas quando você tem heterocedasticidade: Alternativas para ANOVA unilateral para dados heterocedásticos
Comentários
- Digite aqui @Gung: é homosc. isso implica que a variância é a mesma. Estritamente, homosc. é uma suposição sobre erros, ou distribuições condicionais, não resíduos.
- Homegeneidade também tem um significado mais amplo de amostras sendo semelhantes em algum sentido, isto é, em oposição à heterogeneidade.
- I ' d diga ' s geralmente fornecido por completo como " homogeneidade de variância " – como @Aksakal diz, " homogeneidade " é mais ampla. [Tomei a liberdade de corrigir o erro de digitação que Nick apontou.]
- Isso é útil, mas eu qualificaria um pouco. Por exemplo, eu ' vi referências à homogeneidade em relação a distribuições possivelmente mistas para o caso em que uma distribuição provém de uma única fonte; e em relação aos processos espaciais. Portanto, homogeneidade não precisa significar homogeneidade de variância. Pelo que sei, isso vai além do que o OP tinha em mente, mas é ' um comentário justo, considerando o texto atual da pergunta.
- Bom ponto, @NickCox. Eu adicionei uma advertência.