Гетероскедастичність – це випадок, коли при побудові кореляційно-регресійної моделі умовна дисперсія випадкових відхилень не є сталою. Тобто .
Гетероскедастичність на практиці є поширеним явищем. Часто є підстави вважати, що розподіли ймовірностей випадкових величин при різних спостереженнях будуть різними. Це не означає, що випадкові величини обов’язково будуть великими під час деяких спостережень і малими – під час інших, однак це означає, що апріорна ймовірність цього є велика. Проблема гетероскедастичності більшою мірою характерна для варіаційних рядів (перехресних даних; даних,упорядкованих у просторі) і досить рідко трапляється під час розгляду динамічних рядів. Це можна пояснити таким чином. У варіаційних рядах враховують економічні суб’єкти(споживачі, домогосподарства, фірми, галузі,країни), що мають різні доходи, потреби тощо, і в цьому разі гетероскедастичність породжують можливі різні проблеми, пов’язані з ефектом масштабу. У динамічних рядах зазвичай розглядають показники одного і того самого об’єкта в різні моменти часу.
Наслідки гетероскедастичності:
1. Оцінки коефіцієнтів регресії моделі будуть незміщеними і лінійними.
2. Оцінки не будуть ефективними (тобто вони не матимуть найменшої дисперсії порівняно з іншими оцінками невідомого параметра). Оцінки не будуть навіть асимптотично ефективними. Збільшення дисперсії оцінок знижує ймовірність отримання максимально точних оцінок.
3. Дисперсії оцінок параметрів регресії будуть зміщеними.
4. Висновки, отримані на підставі відповідних t- і F- статистик, а також інтервальні оцінки будуть ненадійними. Це може призвести до визнання статистично незначущих параметрів регресії статистично значущими.
5. Зростання довірчих інтервалів.