L’omoschedasticità è l’ipotesi secondo cui la varianza degli errori di un modello è costante tra le osservazioni. Nel modello lineare classico, condizionando alla matrice dei regressori X, si scrive:
In forma matriciale, se gli errori sono anche non correlati:
L’ipotesi è centrale nel teorema di Gauss-Markov: insieme a linearità, esogeneità e assenza di correlazione degli errori, rende OLS lo stimatore lineare non distorto a varianza minima.
Interpretazione
Omoschedasticità significa che il modello sbaglia con la stessa scala di incertezza in tutto il dominio osservato. Per esempio, in una regressione tra carico applicato e deformazione, l’errore residuo dovrebbe avere dispersione simile sia per carichi bassi sia per carichi alti.
| Situazione | Varianza condizionata | Lettura |
|---|---|---|
| Omoschedasticità | \displaystyle \sigma^2 | scala dell’errore costante |
| Eteroschedasticità | \displaystyle \sigma_i^2 | scala dell’errore variabile tra osservazioni |
| Varianza di gruppo | \displaystyle \sigma_g^2 | gruppi diversi hanno rumore diverso |
Perché conta
Se la media del modello è corretta, la violazione dell’omoschedasticità non rende automaticamente distorti i coefficienti OLS. Il punto critico è l’inferenza: errori standard, test t, test F e intervalli di confidenza calcolati con la formula classica possono diventare non affidabili.
La diagnostica usuale confronta residui e valori stimati: una dispersione circa uniforme è coerente con omoschedasticità; una forma a ventaglio segnala possibile eteroschedasticità. In quel caso si possono usare errori standard robusti, pesi, GLS o modelli che descrivono esplicitamente la varianza.
Errori comuni
- Confondere omoschedasticità con normalità: la prima riguarda la varianza, la seconda la forma della distribuzione degli errori.
- Pensare che sia sempre realistica: in molti fenomeni ingegneristici la variabilità cresce con la scala della misura.
- Trattarla come requisito per stimare una retta: è soprattutto un requisito per l’efficienza classica e per l’inferenza basata sugli errori standard tradizionali.
Vedi anche: eteroschedasticità, teorema di Gauss-Markov, errori standard robusti, regressione lineare.