Erreurs-types robustes à l'hétéroscédasticité (HC)
Les erreurs-types robustes à l'hétéroscédasticité sont une correction de la matrice de covariance d'une régression par les moindres carrés ordinaires (MCO) qui permet une inférence valide lorsque la variance des erreurs n'est pas constante. Introduites par Halbert White en 1980 et affinées dans les variantes à échantillon fini HC1-HC4 par MacKinnon et White en 1985, elles laissent les estimations des coefficients inchangées mais reconstruisent les erreurs-types afin que les tests t et F restent fiables sous hétéroscédasticité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, 48(4), 817-838. DOI: 10.2307/1912934 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Heteroscedasticity-Consistent (HC) Standard Errors. ScholarGate. https://scholargate.app/fr/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.
- Erreurs-types robustes aux clustersStatistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Moindres Carrés Pondérés (MCP)Statistique↔ compare
- Bootstrap sauvage pour l'inférence de régressionStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →