我有一个关于使用异方差性生成错误的问题
这是我朋友告诉我的方式：
n <- 30
x1 <- rnorm(n,0,1) # 1st predictor
x2 <- rnorm(n,0,1) # 2nd predictor
e <- rnorm(n,0,x1^2) # errors with heteroscedaticity
b1 <- 0.5; b2 <- 0.5
y <- x1*b1+x2*b2+e
对我来说，e <-rnorm(n,0,x1^2) - 这是自相关而不是异方差错误分布。
但是我的朋友说这是用异方差性产生错误的正确方法。
我在这里错过了什么吗？
我认为当误差项的方差因观察结果不同而出现异方差性时。
e<-rnorm(n,0,x1^2)此语法是否会正确生成异方差错误？
如果没有，有人能告诉我如何使用异方差性产生错误吗？
答案 0 :(得分：1)
该规范确实产生了一种特殊的（略微奇怪的）异方差性。您将异方差性定义为“跨越观察的误差项的方差不同”。由于x1的值对于不同的观测值是不同的，并且您选择了标准差为x1^2的误差值，因此对于不同的观测值，方差将不同。
请注意
rnorm()指定标准偏差而非方差rnorm()选择独立的偏差，因此本规范不构成自相关样本。