Theorie
Homoskedasticiteit is een centrale assumptie in OLS, en betekent de fout niet varieert volgens de waarden van het model, dat is wenselijk (als in 'homofilie'). Bij heteroskedasticiteit wordt hier dus aan gezondigd. Deze assumptie kan met andere technieken (GMM, ML) weggenomen worden.Testen
Er zijn twee populaire testen voor heteroskedasticiteit: Brausch-Pagan en White. Het idee is gelijkaardig: bij Brausch-Pagan gaan we de gekwadrateerde fout $ ( y - \hat{y})^2 $ (de restvariantie) regresseren op een quadratische functie van de voorspelde waarde $ \hat{y} $.
Bij White regresseren we op alle andere (unieke) verklarende variabelen in het model. De R² van dit model geeft aan of er heteroskedasticiteit is. Idealiter is R² hier zeer laag. De teststatistiek voor de nulhypothese is:
nR² -> Chi²(m), met m = aantal variabelen in het model
Referenties
- White test: Hayashi 2000, p. 131
