Regression model

خطاهای استاندارد مقاوم به ناهمسانی واریانس (HC)

خطاهای استاندارد مقاوم به ناهمسانی واریانس، اصلاحیه‌ای بر ماتریس کوواریانس رگرسیون OLS هستند که در صورت عدم ثبات واریانس خطا، استنتاج معتبر را ارائه می‌دهند. این روش که در سال ۱۹۸۰ توسط هالبرت وایت معرفی شد و در سال ۱۹۸۵ توسط مک‌کینون و وایت به نسخه‌های محدود نمونۀ HC1-HC4 اصلاح شد، برآوردهای ضریب را بدون تغییر باقی می‌گذارد اما خطاهای استاندارد را بازسازی می‌کند تا آزمون‌های t و F تحت ناهمسانی واریانس قابل اعتماد باقی بمانند.

به‌کارگیری با StatMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, 48(4), 817-838. DOI: 10.2307/1912934
  2. MacKinnon, J. G. & White, H. (1985). Some Heteroskedasticity-Consistent Covariance Matrix Estimators with Improved Finite Sample Properties. Journal of Econometrics, 29(3), 305-325. DOI: 10.1016/0304-4076(85)90158-7

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Heteroscedasticity-Consistent (HC) Standard Errors. ScholarGate. https://scholargate.app/fa/statistics/heteroscedasticity-robust-se

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateHeteroscedasticity-Robust Standard Errors (Heteroscedasticity-Consistent (HC) Standard Errors). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/statistics/heteroscedasticity-robust-se · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026