Benim görüşüme göre, en azından (uygulamalı) ekonometride, kovaryans matrisinin doğru spesifikasyonuna dayanarak (asimptotik) güvenmenin "asik olmayan" uygulamasından ziyade sağlam veya ampirik kovaryans matrisinin kullanılması daha fazla normaldir. Bu elbette tartışmasız değil: burada CrossValidated ile ilişkilendirdiğim bazı cevaplara bakın, ancak kesinlikle açık bir trend.
E[ U u'] = σ2benn
Diğer örnekler, panel verilerini içerir, Imbens ve Wooldridge, örneğin ders slaytlarında yazmak , rastgele etkiler varyansı kovaryans matrisinin kullanılmasına karşı savunurlar (örtük olarak varyans bileşeninde varsayılan olarak bazı yanlış belirtimler varsayarsak):
σ2cσ2u
Genelleştirilmiş doğrusal modeller kullanarak (üstel aileye ait dağılımlar için), genellikle doğru dağıtım varsayımlarına dayanmak yerine, her zaman sözde sandviç tahmincisini kullanmanız tavsiye edilir (buradaki aachronistic uygulama): örneğin bu cevaba veya Cameron'a atıfta bulunma Verileri saymak için, çünkü sözde-maksimum olabilirlik tahmini yanlış tanımlama durumunda oldukça esnek olabilir (örneğin, negatif binom doğruysa Poisson kullanmak).
Bu [Beyaz] standart hata düzeltmeleri, Poisson regresyonu için yapılmalıdır, çünkü OLS için benzer heteroskedastiklik düzeltmelerinden çok daha büyük bir fark yaratabilirler.
Greene, ders kitabında Bölüm 14'teki (web sitesinde bulunabilir) örneğin kritik bir notla yazıyor ve bu uygulamanın avantajları ve dezavantajları hakkında daha ayrıntılı bilgi veriyor:
Mevcut literatürde, bu [sandviç] tahmin edicisini rutin olarak hesaplamak için bir olasılık vardır, olasılık fonksiyonundan bağımsız olarak. * [...] * Bir kez daha sandviç tahmincisinin kendi içinde mutlaka bir şey olmadığını vurgularız. Olabilirlik işlevi yanlış tanımlanmışsa ve M tahmincisinin diğer koşulları yerine getirilmemişse erdem.