Phương sai thay đổi, tự tương quan và sai số chuẩn robust

Một hệ số là ước lượng điểm từ một mẫu; sai số chuẩn xấp xỉ mức độ ước lượng đó sẽ dao động nếu quá trình tạo dữ liệu được lặp lại

Thống kê t, p-value và khoảng tin cậy phụ thuộc vào ước lượng hiệp phương sai này, vì vậy cùng một hệ số có thể dẫn đến suy luận khác nhau dưới một mô hình phụ thuộc khác

Sai số chuẩn của hệ số không phải là biến động của tài sản hay độ lệch chuẩn của phần dư, và nó cũng phụ thuộc vào thiết kế cùng kích thước mẫu hiệu dụng

Dưới phương sai thay đổi, phương sai có điều kiện của nhiễu không cố định theo các giá trị của biến giải thích hoặc các trạng thái

Nếu tính ngoại sinh vẫn hợp lệ, các hệ số OLS vẫn có thể nhất quán, trong khi sai số chuẩn cổ điển được tính dưới giả định phương sai bằng nhau có thể sai

Ước lượng hiệp phương sai nhất quán với phương sai thay đổi của White dùng các đóng góp bình phương phần dư ở cấp quan sát để ước tính lại độ bất định trong mẫu lớn

Tự tương quan nghĩa là các nhiễu ở những ngày khác nhau có hiệp phương sai khác không; phụ thuộc dương có thể khiến phép tính độc lập phóng đại lượng thông tin hiệu dụng

Lợi suất chồng lấp, cú sốc hấp thụ chậm, tổng hợp theo lịch và các trạng thái rủi ro dai dẳng là những nguồn phổ biến trong tài chính

Thêm độ trễ làm thay đổi mô hình trung bình có điều kiện, còn chỉ thay đổi ước lượng hiệp phương sai làm thay đổi suy luận; chúng không phải các biện pháp có thể thay thế nhau

Các ước lượng kiểu White phù hợp với bối cảnh dữ liệu chéo vẫn giữ được tính độc lập giữa các quan sát nhưng cho phép mỗi quan sát có phương sai khác nhau

Newey–West HAC gán trọng số cho các tự hiệp phương sai mẫu qua một kernel và độ trễ tối đa được chọn để cho phép phương sai thay đổi theo chuỗi thời gian và tương quan chuỗi

Sai số chuẩn theo cụm cho phép phụ thuộc rộng trong một doanh nghiệp, ngày hoặc cụm được xác định khác, nhưng đòi hỏi độc lập giữa các cụm và đủ số cụm

Độ trễ HAC quá ngắn bỏ sót phụ thuộc còn lại, trong khi độ trễ quá dài thêm nhiễu, vì vậy tần suất và cấu trúc chồng lấp kinh tế nên định hướng lựa chọn

Các điều chỉnh như HC0 đến HC3 phản ứng khác nhau với đòn bẩy và bậc tự do, và khác biệt của chúng có thể quan trọng trong mẫu nhỏ

Ít cụm hoặc các cụm có kích thước rất không đều có thể khiến xấp xỉ tiệm cận thông thường không đáng tin cậy, đòi hỏi điều chỉnh mẫu hữu hạn hoặc suy luận thay thế

Hồi quy nhân tố theo tháng làm nổi bật phụ thuộc chuỗi thời gian, dữ liệu bảng doanh nghiệp làm nổi bật phụ thuộc trong doanh nghiệp, còn so sánh tài sản chéo trên một ngày làm nổi bật các cú sốc chung theo ngày

Phân cụm hai chiều có thể là lựa chọn khi phụ thuộc theo doanh nghiệp và ngày cùng tồn tại, nhưng số cụm theo cả hai chiều phải đủ để hỗ trợ nó

Cửa sổ sự kiện chồng lấp hoặc danh mục được tái sử dụng có thể để lại lượng thông tin độc lập ít hơn nhiều so với số quan sát danh nghĩa

Hãy báo cáo biến thể HC, biến cụm và số lượng, hoặc kernel HAC, độ trễ tối đa và điều chỉnh mẫu hữu hạn cùng với ước lượng hệ số

Cho thấy khoảng thay đổi thế nào dưới một số cấu trúc phụ thuộc hợp lý về mặt kinh tế thay vì trình bày một lựa chọn hiệp phương sai như lựa chọn mặc định

Nêu rõ rằng sai số chuẩn robust không thay đổi các giả định về hệ số, lựa chọn mẫu, đo lường, dạng hàm và nhận dạng