Answers:
异方差性的后果是:
第一点(1)可能不是主要问题;无论如何,人们经常使用普通的OLS估算器。但是,必须解决第(2)点。该怎么办?
您需要异方差一致的标准错误。标准方法是依靠大样本假设和渐近结果,并使用以下方法估算的方差:
这给出了异方差一致的标准误差。它们也被称为Huber-White标准误差,鲁棒标准误差,“三明治”估计量等。任何基本标准统计信息包都可以选择鲁棒标准误差。用它!
如果异方差足够大,则常规OLS估计可能会遇到很大的实际问题。虽然仍然是一个一致的估计量,但您可能会有一些小样本问题,其中您的整个估计量是由一些高方差观测值驱动的。(这是@ seanv507在评论中暗示的内容)。OLS估计器的效率低下,因为它给高方差观测值的权重大于最优值。该估计可能非常嘈杂。
尝试解决效率低下的问题是,您可能也不知道误差项的协方差矩阵,因此,如果您对误差项协方差矩阵的估计是垃圾,那么使用类似GLS的方法会使情况变得更糟。
另外,我上面给出的Huber-White标准误差在小样本中可能会有很大的问题。关于这个话题有很长的文献。例如。参见Imbens和Kolesar(2016),“小样本中的稳健标准错误:一些实用建议”。
如果这是自学,则下一个要考虑的实际问题是聚类标准错误。这些可以纠正群集中的任意相关性。