Homoscedasticity는 OLS가 최고의 선형 비 편향 추정기 (BLUE)가되기 위해 필요한 Gauss Markov 가정 중 하나입니다.
Gauss-Markov 정리는 우리가 모든 Gauss-Markov 가정을 충족 시킨다는 가정하에 계수 대한 최소 제곱 추정값 이 바이어스되지 않고 모든 바이어스되지 않은 선형 추정기 사이에 최소 편차를 가짐을 알려줍니다 . 가우스-마코프 정리에 대한 자세한 정보는 여기 에서 정리의 수학적 증거를 포함합니다 . 또한 여기를 위반 한 경우 발생하는 설명을 포함하여 OLS 가정의 전체 목록을 찾을 수 있습니다 .β
위의 웹 사이트의 정보를 간단히 요약하면 이분산성은 계수 추정치에 편향을 유발하지 않습니다. 그러나 이분산성이 주어지면 분산 공분산 행렬을 제대로 추정 할 수 없습니다. 따라서 계수의 표준 오차가 잘못되었습니다. 이것은 어떤 t- 통계량 및 p- 값도 계산할 수 없으며 따라서 가설 검정은 불가능하다는 것을 의미합니다. 전반적으로 이분산성 하에서 OLS는 효율성을 잃고 더 이상 BLUE가 아닙니다.
그러나 이분산성은 세상의 끝이 아닙니다. 다행히 이분산성을 수정하는 것은 어렵지 않습니다. 샌드위치 추정기를 사용하면 계수에 대한 일관된 표준 오차를 추정 할 수 있습니다. 그럼에도 불구하고 샌드위치 추정기를 통해 표준 오류를 계산하는 데는 비용이 듭니다. 추정기는 매우 효율적이지 않으며 표준 오차가 매우 클 수 있습니다. 일부 효율성을 회복하는 한 가지 방법은 가능한 경우 표준 오류를 클러스터링하는 것입니다.
위에서 언급 한 웹 사이트에서이 주제에 대한 자세한 정보를 찾을 수 있습니다.