Ein Regressionsmodell hat im Durchschnitt einen Fehler von null. Ist seine Unsicherheit damit überall gleich? Nein. Positive und negative Abweichungen können sich aufheben, obwohl ihre Größen stark voneinander abweichen. Heteroskedastizität im MBA zu verstehen heißt deshalb: nicht nur nach der Mitte fragen, sondern auch danach, wie sich die Streuung über verschiedene Bedingungen verändert.
Diese eigene Lernübung richtet sich besonders an beruflich Qualifizierte, etwa Techniker, Meister und Fachwirte, die quantitative Auswertungen im Studium sicherer lesen möchten. Neun vollständig erfundene Beobachtungen machen das Grundproblem sichtbar. Die Zahlen sind keine Betriebsdaten, keine hochschulseitige Prüfungsaufgabe und kein Nachweis einer Wirkung.
Was ein Residuum überhaupt beschreibt
Ein Residuum ist die beobachtete Ausprägung einer Zielgröße minus dem dazugehörigen Modellwert. Liegt die Beobachtung über dem Modellwert, ist das Residuum positiv; liegt sie darunter, ist es negativ. Für die Übung wählen wir einen fiktiven Zusammenhang zwischen einer Größenstufe x und Ergebnispunkten y.
Unser vorgegebener Modellwert lautet ŷ = 10 + 5 × x. Bei den Größenstufen 1, 2 und 3 liefert er daher 15, 20 und 25 Punkte. Zu jeder Stufe erfinden wir drei Beobachtungen. Die Punkte haben hier keine weitergehende fachliche Bedeutung; sie dienen allein dem Rechnen.
| Größenstufe x | Modellwert ŷ | Drei Beobachtungen y | Residuen y − ŷ |
|---|---|---|---|
| 1 | 15 | 14 / 15 / 16 | −1 / 0 / +1 |
| 2 | 20 | 18 / 20 / 22 | −2 / 0 / +2 |
| 3 | 25 | 21 / 25 / 29 | −4 / 0 / +4 |
In jeder Zeile liegt eine Beobachtung unter, eine genau auf und eine über dem Modellwert. Die äußeren Beobachtungen entfernen sich jedoch zunehmend von ihm. Diese Struktur haben wir absichtlich konstruiert. Drei Beobachtungen je Stufe sind keine Empfehlung für die Planung einer tatsächlichen Untersuchung.
Warum der Durchschnitt hier dreimal null ist
Für die erste Stufe ergibt sich (−1 + 0 + 1) / 3 = 0. Für die zweite gilt (−2 + 0 + 2) / 3 = 0, für die dritte (−4 + 0 + 4) / 3 = 0. Auch über alle neun Residuen beträgt der Durchschnitt null.
Wer nur diese Mittelwerte berichtet, übersieht den Unterschied: In der ersten Stufe beträgt die größte absolute Abweichung einen Punkt, in der dritten vier Punkte. Ein verschwindender durchschnittlicher Fehler bedeutet deshalb nicht, dass jede einzelne Beobachtung gut getroffen wird.
Quadrieren verhindert die gegenseitige Aufhebung
Als einfache Beschreibung unserer drei Gruppen berechnen wir den Durchschnitt der quadrierten Residuen. Das ist hier ausdrücklich eine deskriptive Rechengröße mit Division durch drei, keine unverzerrte Schätzung einer Populationsvarianz:
- Stufe 1: (1 + 0 + 1) / 3 = 2 / 3 ≈ 0,67.
- Stufe 2: (4 + 0 + 4) / 3 = 8 / 3 ≈ 2,67.
- Stufe 3: (16 + 0 + 16) / 3 = 32 / 3 ≈ 10,67.
Von Stufe 1 zu Stufe 3 vervierfachen sich die äußeren absoluten Abweichungen. Ihre Quadrate sind entsprechend sechzehnmal so groß. Die Einheit der quadrierten Größe lautet Punkte zum Quadrat, nicht Punkte. Halten Sie diese Einheiten in eigenen Tabellen auseinander.
Vom sichtbaren Muster zur statistischen Fragestellung
Heteroskedastizität bezeichnet eine nicht konstante bedingte Fehlervarianz. Unsere Tabelle illustriert ein dazu passendes Streuungsmuster. Sie beweist aber nicht, dass ein realer unbekannter Datenprozess genau diese Eigenschaft besitzt. Beobachtete Residuen sind eine Diagnosehilfe, nicht identisch mit den unbeobachteten Fehlern einer Grundgesamtheit.
In einem Residuenbild würden Sie die Abweichungen beispielsweise gegen die Modellwerte auftragen. Werden die vertikalen Abstände mit zunehmendem Modellwert breiter, entsteht ein auffälliges Muster. Ein sinnvoller nächster Satz lautet: „Die Streuung sollte näher geprüft werden.“ Vorschnell wäre: „Das Modell ist vollständig wertlos.“
Die offizielle statsmodels-Dokumentation zum Breusch-Pagan-Test beschreibt eine Prüfung, ob die Fehlervarianz mit ausgewählten erklärenden Variablen zusammenhängt. Sie erläutert unterschiedliche Testvarianten und weist auf Einschränkungen bei kleineren Stichproben hin. Wir berechnen für unsere künstlichen neun Werte weder einen Test noch einen p-Wert.
Eine andere Streuung braucht eine begründete Reaktion
Der NIST-Leitfaden zu nicht konstanter Variation behandelt unter anderem Transformationen und eine gewichtete Parameterschätzung als mögliche Ansätze. Er betont außerdem die erneute Modellprüfung nach einer Veränderung. Daraus folgt keine pauschale Aufforderung, jede Zielgröße zu logarithmieren oder große Beobachtungen geringer zu gewichten.
Für Ihren eigenen Lernbericht ist zunächst wichtiger, das Problem präzise zu benennen. Klären Sie, welche Größe modelliert wird, welche Einheit sie hat und welche Schlussfolgerung Sie ziehen möchten. Eine Änderung des Analyseverfahrens muss zu dieser Frage passen und nachvollziehbar begründet werden.
Verändern Sie im Übungsfall nicht einfach 21 und 29 so, dass sie näher an 25 liegen. Damit würden Sie die Daten passend machen, statt das Modell zu prüfen. Ebenso wäre es keine Lösung, nur noch die mittlere Beobachtung jeder Stufe zu zeigen: Die äußeren Fälle und damit die Streuung verschwänden lediglich aus der Darstellung.
So formulieren Sie den Befund im MBA-Lernbericht
Eine nachvollziehbare Kurzfassung könnte lauten: „Die mittleren Residuen sind in allen drei konstruierten Gruppen null. Die durchschnittlichen quadrierten Residuen steigen jedoch von rund 0,67 über 2,67 auf 10,67. Das Beispiel zeigt, warum eine Betrachtung der Mitte allein nicht zur Beurteilung gleichbleibender Streuung ausreicht.“
Ergänzen Sie, dass die Daten erfunden sind und kein statistischer Test durchgeführt wurde. Trennen Sie die Beschreibung der Zahlen, die methodische Einordnung und eine mögliche weitere Prüfung. Gerade wer aus dem beruflichen Alltag schnelle Entscheidungen gewohnt ist, kann damit bewusst eine zusätzliche Begründungsstufe einziehen.
MBA-Zugang und methodische Vorbereitung getrennt klären
Eine solche Übung kann die akademische Vorbereitung unterstützen, entscheidet aber nicht über die Zulassung. Prüfen Sie für das MBA-Angebot Entrepreneurship und Global Business Strategy die konkret geltenden Voraussetzungen.
Die offizielle Hochschulseite nennt alternative Wege: Bachelor mit 180 ECTS beziehungsweise Äquivalent oder höheren Abschluss und zwei Jahre einschlägige Berufserfahrung; Universitätsreife und vier Jahre Berufserfahrung, davon mindestens zwei facheinschlägig; oder abgeschlossene Berufsausbildung und fünf Jahre Berufserfahrung, davon mindestens zwei facheinschlägig. Die Lehrgangsleitung entscheidet nach Prüfung vollständiger Unterlagen.
Ein direkter MBA-Einstieg kann bei passender Zugangsgrundlage Zeit sparen, inhaltliche Doppelungen vermeiden und ein klares Managementziel unterstützen. Ein Bachelor zuerst kann bei fehlender Zulassungsgrundlage, gewünschter fachlicher Breite oder anderen Berufszielen geeigneter sein. Zulassung, mögliche Anrechnung und tatsächliche Studiendauer sind getrennte Fragen; aus Berufspraxis folgt keine automatische Verkürzung.
FAQ zu Heteroskedastizität im MBA
Beweist ein mittleres Residuum von null gleichbleibende Streuung?
Nein. Alle drei Gruppen unserer Tabelle haben diesen Mittelwert, aber unterschiedlich große Abweichungen.
Ist die größte Abweichung bereits ein formaler Nachweis?
Nein. Sie beschreibt unsere Beobachtungen. Eine statistische Schlussfolgerung über einen unbekannten Datenprozess erfordert eine dafür geeignete Untersuchung.
Sollte ich große Residuen löschen?
Nicht allein wegen ihrer Größe. Zuerst sind Datenherkunft, mögliche Erfassungsfehler und Modellannahmen zu prüfen. Unsere künstlichen Werte sind absichtlich so gewählt und bleiben vollständig erhalten.
Fazit: Nicht nur die Mitte prüfen
Heteroskedastizität im MBA wird greifbar, wenn Sie Vorzeichen und Größe der Abweichungen getrennt betrachten. Rechnen Sie die drei Gruppen selbst nach und formulieren Sie eine vorsichtige Aussage ohne erfundenen Testbefund. Ihre Fragen zum persönlichen Studienweg und zur Vorbereitung können Sie über den Kontakt zu GrandEdu Media besprechen; die Hochschule prüft den Zugang individuell.