A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity
异方差一致的协方差矩阵估计量与异方差直接检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论线性回归协方差估计和一般异方差检验，未给出因果、面板或其他指定领域的应用依据，故不作细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
异方差一致的协方差矩阵估计量与异方差直接检验
- 研究问题
- 在线性回归扰动可能存在异方差、且不预设其方差结构时，如何一致估计参数协方差，并据此检验异方差？
- 方法与思路
- 作者构造不依赖具体异方差模型的协方差估计量，再将其元素与常规估计量比较，形成具有最小二乘解释的检验。
- 材料陈述的贡献
- 摘要称新估计量在异方差下仍一致，且两类协方差估计在同方差下近似相等，由此提出直接异方差检验。
- 阅读关注点
- 核对协方差估计的一致性条件、检验统计量及其零假设分布，并理解两类估计量的差异如何对应异方差。
- 阅读边界
- 摘要未说明误差相关性、回归设定和矩条件等限制，也未提供有限样本表现；不能据此断言适用于任意依赖数据。
原文摘要
This paper presents a parameter covariance matrix estimator which is consistent even when the disturbances of a linear regression model are heteroskedastic. This estimator does not depend on a formal model of the structure of the heteroskedasticity. By comparing the elements of the new estimator to those of the usual covariance estimator, one obtains a direct test for heteroskedasticity, since in the absence of heteroskedasticity, the two estimators will be approximately equal, but will generally diverge otherwise. The test has an appealing least squares interpretation