계량 경제학에서는 비정규 성이 고전 정규 선형 회귀 모델의 조건을 위반하는 반면 이분산성은 CNLR과 고전 선형 회귀 모델의 가정을 모두 위반한다고 말합니다.
그러나 "... OLS 위반"이라고 말하는 사람들도 정당화됩니다. Ordinary Least-Squares라는 이름 은 Gauss에서 직접 유래되었으며 본질적으로 정상적인 오류를 나타냅니다 . 다시 말해, "OLS"는 최소 제곱 추정 (약간의 일반적인 원리 및 접근 방식)의 약어가 아니라 CNLR의 약어입니다.
좋아, 이것은 역사, 용어 및 의미론이었다. OP의 질문의 핵심을 다음과 같이 이해합니다. "이상하지 않은 경우에 대한 해결책을 찾았다면 왜 이상을 강조해야합니까?" CNLR 가정 은 이상적인 최소 제곱 추정 특성을 "기성품"으로 제공하고 점근 적 결과에 의존 할 필요가 없다는 점에서 이상적입니다. 또한 오류가 정상일 때 OLS가 최대 일 가능성을 기억하십시오. ).
이상적으로는 교육 을 시작하기에 좋은 곳 입니다. "간단한"상황은 "이상적인"상황이며 실제 생활과 실제 연구에서 실제로 발생하는 복잡성이 없고 명확한 해결책이 존재하지 않는 상황 입니다.
그리고 이것은 내가 OP의 게시물에 대해 문제가되는 것을 발견합니다 : 그는 강력한 표준 오류와 부트 스트랩에 대해 "우수한 대안"인 것처럼 쓰거나 OP 쓰기가 더 나아가는 논의중인 가정의 부족에 대한 완벽한 솔루션에 대해 씁니다.
".. 사람들이 만나지 않아도되는 가정"
왜? 상황을 다루는 몇 가지 방법 이 있기 때문에 물론 몇 가지 타당성이 있지만 이상적이지 않은 방법은 무엇입니까? 부트 스트랩과이 분산 강건성 표준 오류는 해결책 이 아닙니다 . 만약 그들이 실제로 있었다면, 그것들은 지배적 인 패러다임이되어 CLR과 CNLR을 역사 책에 보냈습니다. 그러나 그들은 아닙니다.
따라서 우리 는 우리가 중요하다고 생각한 추정자 속성 을 보장 하는 일련의 가정에서 시작 합니다 (바람직한 것으로 지정된 속성이 실제로 필요한 속성인지 여부에 대한 또 다른 토론입니다). 이러한 가정의 부재를 처리하기 위해 찾은 방법을 통해 완전히 상쇄 될 수없는 결과. 과학적으로 말해서, "우리는 문제의 진실에 대한 길을 갈 수있다"는 느낌을 전달하는 것은 정말로 위험 할 것입니다.
따라서 문제를 해결할 수 있는 대안이 될 수있는 완벽한 해결책이 아니라 문제에 대한 불완전한 해결책으로 남아 있습니다 . 그러므로 우리는 먼저 문제가없는 상황을 가르치고 가능한 문제를 지적한 다음 가능한 해결책을 논의해야합니다. 그렇지 않으면 이러한 솔루션을 실제 상태가 아닌 상태로 승격시킬 수 있습니다.