Heteroskedastisuus ja virhetermin normaalisuus?

Tallenna mallia ajaessasi virhetermin arvot. H:n tarkastelussa on yksinkertaisin keino laskea Spearmanin järjestyskorrelaatio (ρ) selittävien muuttujien ja virhetermin välille. Jos joku ρ poikeeaa merkitsevästi nollasta, on heteroskedastisuutta tämän muuttujan suhteen. Vaihtoehtoisesti voit laskea tavaliisen korrelaation (r) selittäjien ja virhetermin itseisarvojen välille.

Virhetermin normaalijakutuneisuutta voit testata Kolmogorov-Smirnovin testillä (K-S), joka löytyy SPSS:stä Nonparametric-valikosta. Huomaa, että mitä suurempi prob-arvo, sitä parempi, koska nollahypoteesi on, ettei jakauma poikkea normaalijakaumasta.

Toivottavasti malli on pätevä noidenkin suhteen, mutta jos ei, täytyy ottaa konstikolmoset käyttöön. Kysy niistä sitten lisää, jos tarvitsee! Monesti auttaa yllättäen - varsinkin virhetermin kanssa - että ajaa mallin muuttujien logaritmeilla alkuperäisten arvojen sijasta. Vielä parempi on tarkastella korrelaatiomatriisista, korreloivatko selittäjien x_i alkuperäiset vai logaritmiset arvot paremmin selitettävän y (tai log y:n) kanssa, ja ottaa malliin parhaiten korreloivat, siis esim. log y = a b_1x_1 b_2log x_2.

Jos malli on tarkoitettu pelkästään ennustamiseen, ei heteroskedastisuutta (eikä multikollineaarisuutte) yleensä pidetä ongelmana, koska rakenteen voidaan olettaa pysyvän samana ainakin lyhyellä tähtäimelllä. Puhtaassa selittämisessä ja teorioiden testaamisessa ollaan sitten ehdottomia kaikkien kataluuksien kanssa.