1 等分散性の概念
1.1 分散一定の意味
等分散性とは、観測単位ごとに誤差（または従属変数のばらつき）の分散が一定である、という仮定を指す。言い換えると、ある条件（説明変数の水準や観測の状況）によってばらつきの大きさが変わらないことを意味する。統計的推定や仮説検定でこの仮定が置かれると、標準誤差や検定統計量の理論的性質が、通常の手続きどおりに成立しやすくなる。
1.2 誤差項と観測条件の関係
1.2.1 分散の定義と直観
誤差項の分散は、モデルの予測から外れた量の「ばらつきの大きさ」を表す量である。等分散性は、このばらつきが観測条件に依存しないことを要求する。直観的には、同じ説明変数の値（あるいは近い水準）では予測の外れ幅が同程度である一方、別の水準でも外れ幅が体系的に増減しない状態を想定する。
1.2.2 モデル化される「誤差」とは
線形回帰などでは、観測値は「説明変数が生む体系的な部分」と「誤差（残差）」に分解される。ここで誤差は、説明変数に含められなかった要因や観測ノイズ、観測時の微視的な揺らぎなどをまとめて表す。等分散性は、この誤差の確率的性質が観測条件により変化しないという前提として整理される。
1.3 等分散性が必要となる理由
等分散性が重要なのは、推定量の分散（標準誤差）や、それを用いた検定・信頼区間の妥当性に直結するためである。具体的には、モデルが正しく設定されている場合でも、誤差分散が説明変数の水準によって変われば、標準誤差の計算が理論とズレてしまう可能性がある。その結果、信頼区間の幅や検定の有意性判定が過度に楽観的または過度に保守的になることがある。
2 等分散性と統計モデル
2.1 線形回帰における役割
2.1.1 最小二乗推定と標準誤差
通常の最小二乗推定（OLS）は、条件によって係数推定値の不偏性や一致性が議論される。等分散性は、とくに標準誤差の算出に関わる前提として現れやすい。分散が一定なら、残差から導かれる分散推定が理論に整合し、係数の標準誤差が妥当な精度評価として機能する。
ただし、分散が一定でない場合、OLS係数そのものが必ずしも不偏ではなくなるとは限らない一方で、標準誤差の式が誤るために検定統計量の基礎が崩れやすい。実務上は、推定値の点推定と誤差分散の取り扱いを切り分けて確認することが重要となる。
2.1.2 検定・信頼区間への影響
等分散性が崩れると、検定統計量の分母にあたる標準誤差が適切に見積もられないため、信頼区間の信頼水準が損なわれることがある。たとえば、ばらつきが大きい領域で誤差が過大に見積もられる場合は、標準誤差が過小になり、有意判定が過剰になり得る。逆に、過小見積もりなら有意判定が過少になり得る。
したがって、係数の見かけの有意性だけで結論を出すのではなく、分散構造の妥当性と併せて判断する必要がある。さらに、異分散に対処した標準誤差（後述の頑健手法）を用いることで、検定と信頼区間の整合性を回復できる場合がある。
2.2 分散分析・時系列での位置づけ
2.2.1 水準間のばらつき
分散分析（ANOVA）では、群（処置）の違いを比較する際に、各群内の分散が等しいという仮定がしばしば置かれる。群間の平均差だけでなく、群内のばらつきの違いが大きくなると、統計的検定の分布近似が期待どおりにならない。結果として、平均差がないにもかかわらず差があるように見える、あるいは本当の差が見逃されるなどの問題が起き得る。
2.2.2 独立性以外の前提との関係
時系列やパネルデータでは、誤差項の相関（自己相関）や、観測間の依存が問題になることが多い。異分散は独立性の仮定そのものとは別の論点であり、「ばらつきが一定でない」ことと「誤差が独立でない」ことは区別されるべきである。実務では、残差の散らばりの形状が歪むケースが異分散の手がかりになり、時間方向の連続性が強いケースが自己相関の手がかりになる。両者が同時に現れることもあるため、診断では複数の観点を並行して見ることが望ましい。
3 等分散性の診断（検定・グラフ）
3.1 残差プロットによる確認
3.1.1 ばらつきのパターン
診断の起点として、残差と説明変数（あるいは予測値）との関係を図示する方法がある。等分散性が成り立つなら、横軸を予測値に取った残差プロットでは、残差の散らばりが概ね同程度の幅で上下に広がるのが自然である。逆に、特定の領域で残差が大きく散る場合や、ばらつきの規模が段階的に変わる場合は、分散の違い（異分散）の兆候とみなせる。
3.1.2 系統的な扇形・曲線の兆候
代表的な兆候として、予測値の増加に伴い残差の幅が扇状に広がるパターンがある。このときは誤差分散が水準に比例して増える（あるいは二乗的に増える）可能性が疑われる。また、平均が水平であるはずの残差に曲線状の偏りが見える場合は、分散の問題だけでなく、平均構造（関数形）の誤設定も同時に疑うべきである。異分散の診断は「ばらつきの大きさ」だけでなく「体系的な形の歪み」も含めて評価するのが実践的である。
3.2 統計的検定
3.2.1 ブルーシュ＝パガン検定
ブルーシュ＝パガン検定は、回帰における誤差分散が説明変数（あるいはそれらの関数）に依存するかを、検定統計量を通じて評価する手続きとして知られる。具体的には、残差の二乗あるいはそれに比例する量を用い、分散の変化を説明する要因が存在するかどうかを検討する形になる。特定の分散形式を仮定する場合があるため、検定の前提条件や、採用する説明変数の選び方には注意が必要である。
3.2.2 ホワイト検定
ホワイト検定は、ブルーシュ＝パガンよりも柔軟に分散の関係を捉えることを目的とした検定として整理されることが多い。例えば、説明変数の二乗や交差項などを用いた拡張により、分散が複雑な形で変化する可能性を検討する。一般に、より幅広い異分散形をカバーし得る反面、変数数が多いと自由度や推定安定性に関する配慮が必要になり得る。
3.3 実務上の注意点
3.3.1 過度な解釈の回避
検定は、サンプルサイズやモデル設定の影響を受ける。大規模データでは小さな分散変化が統計的に検出される一方、実務上の重要性が小さいこともある。逆に、検出力の不足により異分散が見逃される可能性もある。したがって、「検定が有意／非有意」だけに依存せず、残差の図示や推定・予測上の影響を合わせて解釈することが望ましい。
3.3.2 モデル選択と同時検討
異分散の兆候が見えた場合、分散構造の修正だけでなく、平均方程式の関数形や変数の変換（後述）も同時に検討する余地がある。例えば、非線形な関係が平均構造に隠れていると、見かけ上は扇形の残差パターンが現れることがある。したがって、まず平均の誤設定がないかを確認し、それでも分散が系統的に変わるなら、分散側の対処へ進むという順序が有用になる。
4 等分散性が破れる場合の対応
4.1 異分散性（分散不一定）の扱い
4.1.1 候補となる原因の整理
異分散が生じる背景として、データ生成過程の違い（群ごとの変動の大きさの差）、測定誤差の大きさが条件に依存すること、あるいは未観測要因の影響が説明変数の水準と関連していることなどが挙げられる。原因が異なれば、適切な対処も変わる。たとえば、分散がある水準で段階的に変わるなら群別の発想が役立ち、連続的に増加するなら変換や分散推定の導入が検討されやすい。
また、異分散の症状が平均構造の誤りから派生している場合もあるため、「何が誤っている可能性が高いか」を仮説として整理し、追加診断で裏付けることが有効である。
4.1.2 変数変換・重み付けの考え方
分散が大きい領域を小さく見積もる（あるいは逆に、情報が少ない領域を適切に扱う）ための代表的方針が、変数変換と重み付けである。変数変換は、誤差分散の増減を抑えるようなスケールへ従属変数を写すことで、等分散に近づける狙いを持つことがある。重み付けは、分散が既知あるいは推定できる場合に、誤差の大きい観測の影響を調整する考え方であり、推定の効率や推論の整合性に寄与し得る。
ただし、変換は解釈可能性に影響するため、効果が得られる一方で尺度の意味が変わる点を説明できるようにしておく必要がある。
4.2 頑健な推定・標準誤差
4.2.1 異分散頑健標準誤差
異分散が疑われるとき、係数推定値そのものよりも、推論に使う標準誤差を異分散に対応させるという方針がよく取られる。異分散頑健な標準誤差は、誤差分散が一定という前提を緩めつつ、係数の分散をより適切に推定することで、検定や信頼区間の信頼水準を改善することを目指す。
実務では、同じ係数でも「標準誤差が変わる」ことで有意性や区間幅が変わり得る。したがって、通常の標準誤差と頑健標準誤差を比較し、結論がどの程度頑健かを示すと理解が進む。
4.2.2 自己相関など他の問題との切り分け
異分散への対処を行う際、自己相関など他の前提違反が併存していると、頑健標準誤差だけで十分でない場合がある。例えば時系列では、時間方向の依存が残っていると検定の前提が崩れる。そこで、データの構造（時間順序、クラスタ、繰り返し測定）に応じて、異分散だけでなく依存構造にも配慮した手法の適用可否を検討することが重要になる。
「異分散」対「相関」対「非線形な平均の誤り」を混同せず、残差の時系列プロットやクラスタ内のばらつきなどの追加診断で原因を絞り込むことが、適切な対処につながる。
4.3 実例での判断フロー
4.3.1 目的（推定・予測・説明）別の選択
判断は目的によって変わる。係数の解釈を中心に説明したい場合は、推論の信頼性（検定や信頼区間）が特に重要になり、頑健標準誤差の導入が早い選択肢になることがある。一方、予測精度が最優先なら、変換や重み付け、あるいはより柔軟な回帰手法で平均・分散の両方を適切に捉えることが重視されやすい。さらに、純粋に比較のための推定であれば、手続きの違いが最終目的（ランキング、閾値判定など）に与える影響を評価して選ぶことが実務的である。
4.3.2 レポートの書き方と報告事項
レポートでは、診断の根拠と採用した対処を明確に書くことが重要である。具体的には、残差プロットで見えたパターン、行った検定の種類と結果の概略、そしてその結果に基づき標準誤差を頑健にしたのか、変数変換や重み付けを行ったのかを記載する。併せて、通常の推論と頑健な推論で結果がどう変わったか（係数は同じでも有意性が変わった等）を示すと、読者は意思決定の妥当性を判断しやすい。
さらに、どの仮定が緩められ、どの点が依然として残るのか（例えば平均の関数形の妥当性など）も簡潔に補足すると、統計的主張の範囲が適切に伝わる。