Гомоскедастичность важна для достоверности регрессионного анализа, потому что она означает, что дисперсия ошибок модели постоянна для всех значений предикторов. 2 Иными словами, разброс ошибок не зависит от уровня предсказываемой переменной. 2

Если предположение о гомоскедастичности нарушается (имеет место гетероскедастичность), это может затруднить интерпретацию результатов регрессии. 3 В этом случае значение выходной переменной зависит не только от величины изменения входной, но и от того, относительно какой величины это изменение происходит. 3

Кроме того, наличие гетероскедастичности делает коэффициенты менее точными, и, следовательно, правильные находятся дальше от значения генеральной совокупности. 5