Homoskedastizität als Regressionsvoraussetzung prüfen

[@AnkaHansen]

Unbedingt mal auf seiner Homepage sehen. Tolle Seite, top-Tutorials, so versteht wirklich jede*r Statistik. Empfehle ich zu 100%.

[@anina9556]

Vielen Dank für die hilfreiche und anschauliche Erklärung! :) Die Beispiele helfen extrem beim Verständnis :)

[@vietanho1661]

Nur zum Empfehlen, danke !!!

[@wassollderscheiss33]

Tolles Video. Didaktisch 1A! Danke!

[@kerstinvent4099]

Einfach super erklärt!

[@BrickBlocker]

Sehr gutes Video

[@RegorzStatistik]

*KORREKTUR zum Video*: Bootstrapping kann zwar die Probleme mit Heteroskedastizität bei der Regression häufig reduzieren, sie jedoch je nach Verfahren nicht vollständig beseitigen. Man sollte also auch beim Einsatz von Boostrapping die Homoskedastizitätsannahme überprüfen.

[@Briefklammer1]

super erklärt

[@Loser1995able]

Gutes Video :)

[@Lol1hi2]

Hallo, Sie sagen in dem Video, die Varianz der Residuen muss gleich sein, sagen aber, das lässt sich auch optisch überprüfen. Wäre es also auch okay, wenn die Varianz der Residuen fast gleich ist und minimale Ungenauigkeiten auftreten?

[@RegorzStatistik]

Entscheidend ist aus meiner Sicht, dass kein systematischer Effekt auftritt. Wenn im Plot (vorhergesagte Werte - studentisierte Residuen) die Residuen von links nach rechts systematisch größer (oder kleiner) werden, oder wenn die Residuen in der Mitte des Plots systematisch kleiner sind als an den Rändern - dann hat man ein potentielles Problem. Aber völlig gleich ist die Schwankung der Residuen nie. Nichtsdestrotrotz bin ich für meine eigenen Auswertungen in der Zwischenzeit dazu übergegangen, grundsätzlich mit robusten Standardfehlern zu rechnen, damit ich mich mit dem Problem gar nicht auseinandersetzen muss.