Answers:
在这种情况下,线性模型(或“普通最小二乘”)仍然具有其无偏属性。
面对误差方面的异方差,您仍然具有无偏的参数估计,但您对协方差矩阵不满意:您的推论(即参数测试)可能不正确。通用解决方案是使用可靠的方法来计算协方差矩阵(即标准误差)。您使用的哪个方法在某种程度上取决于领域,但是White的方法只是一个开始。
为了完整起见,误差项的序列相关性更差,因为它将导致参数估计有偏差。
均方根性是高斯马尔可夫假设之一,OLS要求其为最佳线性无偏估计量(BLUE)。
简要总结来自上述网站的信息,异方差性不会在您的系数估计中引入偏见。但是,给定异方差性,您将无法正确估计方差-协方差矩阵。因此,系数的标准误差是错误的。这意味着无法计算任何t统计量和p值,因此不可能进行假设检验。总体而言,在异方差下,OLS失去了效率,不再是蓝色。
但是,异方差不是世界末日。幸运的是,校正异方差并不困难。三明治估计器使您可以估计系数的一致标准误差。然而,通过三明治估计器计算标准误差是有代价的。估算器效率不高,标准误差可能很大。获得某些效率的一种方法是在可能的情况下聚类标准错误。
您可以在我上面提到的网站上找到有关此主题的更多详细信息。
在其他答案中,尤其是第一个问题时,这里提供了很好的信息。我想我会补充一些有关您最后两个问题的免费信息。