Condición en un modelo de regresión en la que la varianza de los términos de error no es constante entre las observaciones, variando a menudo con los niveles de los predictores o los valores ajustados.

Principio

Si Var(εi | xi) difiere entre i, los errores estándar OLS habituales son inconsistentes; aunque los coeficientes OLS sean insesgados bajo exogeneidad, la inferencia y la eficiencia se ven afectadas si no se corrige.

Demostración

Al modelar el gasto de los hogares, los hogares de mayores ingresos pueden mostrar mayor varianza en el gasto que los de ingresos bajos, produciendo residuales cuya dispersión aumenta con el consumo predicho.

Aplicación incorrecta

Ignorar la heterocedasticidad y reportar errores estándar y pruebas t convencionales como si los errores fueran homocedásticos, lo que conduce a niveles de significación e intervalos de confianza engañosos.

Consecuencia

La detección y corrección (p. ej. errores estándar robustos, mínimos cuadrados ponderados o modelización de la varianza) restauran una inferencia válida y pueden mejorar la eficiencia del estimador; no hacerlo socava tests de hipótesis y conclusiones de política.

Inversión

Homocedasticidad: la varianza del error es constante entre observaciones, lo que simplifica la inferencia y valida los errores estándar OLS convencionales bajo exogeneidad.

Límite

Se refiere específicamente al segundo momento (varianza) de la distribución del error; se distingue de la no normalidad, autocorrelación o mala especificación estructural, aunque varios problemas pueden coexistir.

Tensión semántica

Tensión entre modelar la heterocedasticidad explícitamente (funciones de varianza paramétricas o GLS) y usar inferencia robusta a la heterocedasticidad que acepta una estructura de varianza desconocida pero busca errores estándar consistentes.

Síntesis

La heterocedasticidad describe varianza de error no constante; los analistas deben detectarla, entender sus fuentes económicas y aplicar correcciones apropiadas para que las estimaciones sean interpretable y la inferencia válida.