OLS için, size koşullu varyans için bir tahmin olarak (bağımsızlık ve homoscedasticity varsayımı altında) artıkların tahmin varyansını kullandığınız tahmin edebilirsiniz s. Sandviç tabanlı tahmin edicide, gözlemlenen kare kalıntılarını, gözlemler arasında değişiklik gösterebilen aynı varyansın eklenti tahmini olarak kullanıyorsunuz.Yi
var(β^)=(XTX)−1(XTdiag(var(Y|X))X)(XTX)−1
Regresyon katsayısı tahmini için normal en küçük kareler standart hata tahmininde, sonucun koşullu varyansı sabit ve bağımsız olarak ele alınır, böylece tutarlı bir şekilde tahmin edilebilir.
varˆOLS(β^)=(XTX)−1(r2XTX)(XTX)−1
Sandviç için, koşullu varyansın tutarlı bir şekilde tahmin edilmesinden kaçınıyor ve bunun yerine, kare şeklindeki artık kullanılarak her bileşenin varyansının bir eklenti tahminini kullanıyoruz
varˆRSE(β^)=(XTX)−1(XTdiag(r2i)X)(XTX)−1
Eklentiyi varyans tahmini kullanarak, varyansı tutarlı tahminleri alabilir p Lyapunov Merkezi Limit Teoremi tarafından.β^
Sezgisel olarak, gözlemlenen bu kare kalıntılar, sabit varyans varsayımı altında beklenmeyen heteroscedastisite nedeniyle açıklanamayan herhangi bir hatayı silecektir.