واریانس ناهمسانی (Heteroskedasticity)
واریانس ناهمسانی به حالتی در مدلهای رگرسیونی گفته میشود که پراکندگی جمله خطا برای همه مشاهدات یکسان نیست. یکی از فروض اساسی مدل رگرسیون خطی کلاسیک این است که واریانس خطاها ثابت باشد. نقض این فرض به معنای وجود واریانس ناهمسانی است.
اهمیت واریانس ناهمسانی
وجود واریانس ناهمسانی مستقیماً باعث تورش در ضرایب برآوردشده نمیشود، اما پیامدهای مهمی دارد:
- انحراف معیار ضرایب نادرست برآورد میشود
- آمارههای t و F اعتبار خود را از دست میدهند
- نتایج آزمون فرض و استنباط آماری گمراهکننده میشود
به همین دلیل، حتی اگر ضرایب از نظر اقتصادی معنادار به نظر برسند، بدون رفع واریانس ناهمسانی نمیتوان به آنها اتکا کرد.
دلایل بروز واریانس ناهمسانی
واریانس ناهمسانی معمولاً در شرایط زیر ظاهر میشود:
- استفاده از دادههای مقطعی
- تفاوت شدید در مقیاس مشاهدات (مثلاً بنگاههای کوچک و بزرگ)
- رشد متغیر وابسته همزمان با افزایش نوسان
- وجود دادههای پرت
- فرم تابعی نامناسب مدل
تشخیص واریانس ناهمسانی (نگاه مفهومی)
برای تشخیص واریانس ناهمسانی معمولاً واریانس جمله خطا نسبت به متغیرهای توضیحی بررسی میشود. اگر مقدار پراکندگی باقیماندهها با افزایش یا کاهش متغیرهای مستقل تغییر کند، نشانهای از واریانس ناهمسانی است.
پیامدهای اقتصادسنجی
در صورت وجود واریانس ناهمسانی:
- نتایج آزمون معنیداری ضرایب اعتمادپذیر نیست
- احتمال رد یا پذیرش اشتباه فرضها افزایش مییابد
- تصمیمگیری سیاستی یا اقتصادی ممکن است دچار خطا شود
راهکارهای مفهومی مقابله با واریانس ناهمسانی
اقتصادسنجی چند راهکار کلی برای مواجهه با این مسئله ارائه میدهد:
۱. استفاده از واریانس مقاوم
در این روش ساختار واریانس خطا تغییر داده نمیشود، بلکه محاسبه انحراف معیارها به شکلی انجام میشود که نسبت به ناهمسانی واریانس مقاوم باشد.
۲. تغییر فرم تابعی
تبدیل متغیرها (مانند لگاریتمگیری) میتواند رشد نوسان را کنترل کرده و مشکل را کاهش دهد.
۳. برآورد مدلهای تعمیمیافته
در صورتی که شکل ناهمسانی مشخص باشد، میتوان از روشهایی استفاده کرد که به مشاهدات مختلف وزنهای متفاوت میدهند.
واریانس ناهمسانی در دادههای پانلی
در دادههای پانلی، واریانس ناهمسانی اغلب میان واحدهای مقطعی متفاوت است؛ زیرا هر واحد ویژگیهای ساختاری خاص خود را دارد. در این حالت، فرض همسانی واریانس برای همه مقاطع غیرواقعبینانه است و باید مدل بهگونهای برآورد شود که این تفاوتها را پوشش دهد.
جمعبندی
واریانس ناهمسانی یکی از رایجترین نقضهای فروض کلاسیک رگرسیون است که در تحلیلهای تجربی، بهویژه دادههای مقطعی و پانلی، به وفور مشاهده میشود. شناسایی و اصلاح این مشکل نقش اساسی در اعتبار نتایج اقتصادسنجی دارد و نادیده گرفتن آن میتواند به استنتاجهای آماری نادرست منجر شود.
کلیدواژه ها : واریانسناهمسانی-Heteroskedasticity-ایویوز-EViews-فرض کلاسیک رگرسیون-واریانس خطا-همسانی واریانس-Homoskedasticity-نقض فروض کلاسیک-انحراف استاندارد ضرایب-آزمون وایت-White Test-آزمون بروش-پاگان-Breusch-Pagan Test-BP-Godfrey-آزمون LM-خودهمبستگی-مقاومت واریانس-Robust Standard Errors-رگرسیون خطی-LS-حداقل مربعات-OLS-دادههای مقطعی-Panel Data-ناهمسانی واریانس بین مقاطع-Weighted Least Squares-WLS-GLS-تبدیل لگاریتمی-Log Transformation-تشخیص و اصلاح واریانس ناهمسانی
