مقدمه و توضیح واریانس ناهمسانی

واریانس ناهمسانی (Heteroskedasticity) یکی از مهم‌ترین نقض‌های فروض کلاسیک در مدل‌های رگرسیونی است که به‌ویژه در تحلیل داده‌های اقتصادی با نرم‌افزار EViews مورد توجه قرار می‌گیرد. در مدل رگرسیون خطی کلاسیک فرض می‌شود که واریانس جملات خطا برای تمام مشاهدات ثابت و یکسان است، اما در بسیاری از داده‌های واقعی این فرض برقرار نیست.

واریانس ناهمسانی زمانی رخ می‌دهد که پراکندگی خطاها در طول نمونه یا نسبت به مقادیر متغیرهای توضیحی تغییر کند. به بیان دیگر، در این حالت میزان عدم قطعیت مدل در برخی مشاهدات بیشتر و در برخی دیگر کمتر است. این پدیده بیشتر در داده‌های مقطعی مشاهده می‌شود، به‌ویژه زمانی که واحدهای مورد بررسی از نظر اندازه، درآمد، هزینه یا سایر ویژگی‌های ساختاری ناهمگن باشند.

از نظر ریاضی، در حالت همسانی واریانس داریم که واریانس جمله خطا مقدار ثابتی است، اما در صورت وجود واریانس ناهمسانی، واریانس خطا به مشاهده خاص وابسته می‌شود. هرچند وجود واریانس ناهمسانی باعث تورش ضرایب برآوردشده با روش حداقل مربعات معمولی نمی‌شود، اما اعتبار استنباط آماری را به‌شدت کاهش می‌دهد. در چنین شرایطی، خطای معیار ضرایب به‌درستی برآورد نمی‌شود و در نتیجه آزمون‌های آماری مانند آزمون t و F قابل اعتماد نخواهند بود.

اهمیت شناسایی و توضیح واریانس ناهمسانی از آن جهت است که نادیده گرفتن آن می‌تواند منجر به نتیجه‌گیری‌های نادرست اقتصادی و سیاستی شود. به همین دلیل، در تحلیل‌های انجام‌شده در EViews همواره لازم است پس از برآورد مدل، وضعیت واریانس جملات خطا بررسی شود تا از اعتبار نتایج اطمینان حاصل گردد.

کلیدواژه ها : واریانس‌ناهمسانی-Heteroskedasticity-EViews-ایویوز-رگرسیون‌خطی-فرض‌کلاسیک-واریانس‌خطا-همسانی‌واریانس-Homoskedasticity-نقض‌فروض‌کلاسیک-OLS-حداقل‌مربعات-انحراف‌معیار-آزمون‌فرض-استنباط‌آماری-داده‌های‌مقطعی-ناهمگنی‌مشاهدات