Якщо дисперсія залишків змінюється для кожного спостереження або групи спостережень, тобто , то це явище називається гетероскедастичністю.

Якщо існує гетероскедастичність залишків, то це спричинюється до того, що оцінки параметрів моделі 1МНК будуть незміщеними, обгрунтованими, але неефективними. При цьому формулу для стандартної помилки оцінки, строго кажучи, застосувати не можна.

Отже, потрібно з’ясувати зміст гіпотези, згідно з якою , де лишається невідомим параметром, а – відома симетрична додатно визначена матриця.

Щоб оцінити параметри моделі, коли дисперсії залишків визначаються , потрібно визначити матрицю .

Оскільки явище гетероскедастичності пов’язане лише з тим, що зміню­ються дисперсії залишків, а коваріація між ними відсутня, то матриця має бути діагональною, а саме:

Щоб пояснити, чому саме такий вигляд має ця матриця, потрібно ще раз наголосити: за наявності гетероскедастичності для певних вихідних даних одна (або кілька) пояснювальних змінних можуть різко змінюватись від одного спостереження до іншого, тоді як залежна змінна має такі самі коливання, як і для попередніх спостережень.

Але це означає, що дисперсія залишків, яка змінюватиметься від одного спостереження до іншого (чи для групи спостережень), може бути пропорційною до величини пояснювальної змінної (або до її квадрата), яка зумовлює гетероскедастичність, або пропорційною до квадрата залишків.

Звідси в матриці значення можна обчислити, користуючись гіпотезами:

а) , тобто дисперсія залишків пропорційна до зміни пояснювальної змінної ;

б) , тобто зміна дисперсії пропорційна до зміни квадрата пояснювальної змінної ();

в) , тобто дисперсія залишків пропорційна до зміни квадрата залишків за модулем.

Для першої гіпотези:

Для другої гіпотези:

Для третьої гіпотези: або , або .

Оскільки матриця – симетрична і додатно визначена, то при , матриця має вигляд:

Економетрична модель, якій притаманна гетероскедастичність, є узагальненою моделлю, і для оцінювання її параметрів слід скористатися узагальненим методом найменших квадратів – метод Ейткена.

9.2. Перевірка гетероскедастичності на основі критерію

Цей метод застосовується тоді, коли вихідна сукупність спостережень досить велика. Розглянемо відповідний алгоритм.

Крок 1. Вихідні дані залежної змінної розбиваються на груп відповідно до зміни рівня величини .

Крок 2. За кожною групою даних обчислюється сума квадратів відхилень:

Крок 3. Визначається сума квадратів відхилень в цілому по всій сукупності спостережень:

Крок 4. Обчислюється параметр :

де – загальна сукупність спостережень; – кількість спостережень -ї групи.

Крок 7. Обчислюється критерій:

який наближено відповідатиме розподілу при ступені свободи , коли дисперсія всіх спостережень однорідна. Тобто якщо значення не менше за табличне значення при вибраному рівні довіри і ступені свободи , то спостерігається гетероскедастичність.