Sağlam OLS (Sağlam Standart Hatalarla OLS)
Ordinary Least Squares with Heteroscedasticity-Consistent Standard Errors · Ayrıca şöyle bilinir: HC robust regression, White robust OLS, sandwich estimator OLS, OLS with robust standard errors
Sağlam OLS, katsayıları tahmin etmek için adi en küçük kareler yöntemini uygular ve ardından klasik standart hataları değişen varyanslı (HC) standart hatalarla - yaygın olarak Beyaz standart hataları olarak adlandırılır - değiştirir. Bu, hata varyansı gözlemler arasında sabit olmasa bile geçerli t-istatistikleri ve güven aralıkları sağlarken nokta tahminlerini değiştirmez.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+3 tane daha
Ne zaman kullanılır
Değişen varyanslılığa dair kanıtınız veya şüpheniz olduğunda bir doğrusal regresyon uyduğunuzda sağlam OLS kullanın - örneğin, Breusch-Pagan veya Beyaz testi sabit varyansı reddettikten sonra veya kalıntı çizimleri bir yelpaze şekli gösterdiğinde. Kesitsel mikroekonometri (ücret denklemleri, firma düzeyindeki veriler) ve birçok zaman serisi uygulamasında standart uygulamadır. Örneklem asimptotik teori için yeterince büyük olduğunda (kabaca n > 100) ve birincil endişe verimli tahminler yerine geçerli çıkarım olduğunda uygundur. Verimli tahminler istediğinizde varyans yapısını modellemenin (örneğin, WLS veya GARCH) yerine bunu kullanmayın; sağlam OLS çıkarımı düzeltir ancak verimliliği artırmaz. Ayrıca eksik değişken yanlılığı, nedensellik veya model yanlış belirtilmesi için bir çare değildir.
Güçlü yönler & sınırlılıklar
- Varyans için bir modele ihtiyaç duymadan, bilinmeyen herhangi bir formdaki değişen varyanslılık altında asimptotik olarak geçerli standart hatalar sağlar.
- Katsayı tahminleri standart OLS ile aynıdır - yalnızca çıkarım düzeltilir.
- Uygulamalı mikroekonometri ve giderek artan bir şekilde makroekonometri alanında varsayılan çıkarımsal yaklaşım olarak geniş çapta kabul edilmiştir.
- Küçük örneklem HC düzeltmeleri (HC1, HC2, HC3) sonlu örneklem performansını iyileştirir.
- Uygulaması kolaydır: Stata, R (sandwich paketi), Python (statsmodels) ve çoğu ekonometrik yazılımda tek bir seçenek.
- Standart hatalar yalnızca asimptotik olarak geçerlidir; küçük örneklemlerde (n < 100) HC düzeltmeleriyle bile güvenilmez olabilirler.
- Sağlam standart hataları genellikle yanlış belirtilmiş OLS standart hatalarından daha büyüktür, bu da görünen istatistiksel anlamlılığı azaltır.
- Katsayı tahminlerinin verimliliğini artırmaz - varyans yapısı biliniyorsa, WLS veya GLS daha sıkı tahminler verir.
- Hatalar ayrıca gözlemler arasında veya zaman içinde korelasyonlu olduğunda küme-sağlam veya HAC varyantları gereklidir; düz Beyaz SE'ler bu durumları kapsamaz.
SSS
Sağlam OLS, katsayı tahminlerini değiştirir mi?
Hayır. Sağlam OLS, standart OLS ile tam olarak aynı katsayı formülünü kullanır. Yalnızca standart hatalar - ve dolayısıyla t-istatistikleri, p-değerleri ve güven aralıkları - değişir.
Hangi HC varyantını kullanmalıyım?
HC3, daha güçlü bir düzeltme uygulayarak gerçek sıfır hipotezlerinin aşırı reddedilmesini azalttığı için genellikle daha küçük örneklemler (kabaca n < 250) için önerilir. HC1, Stata'nın varsayılan sağlam seçeneğiyle eşleşir. Büyük örneklemler için HC0 (White'ın orijinali) genellikle yeterlidir.
Ne zaman Beyaz standart hataları yerine küme-sağlam kullanmalıyım?
Gözlemler gruplandığında (okullardaki öğrenciler, firmalardaki işçiler, bir ülke başına tekrarlanan gözlemler) ve gruplar içindeki hataların korelasyonlu olması muhtemel olduğunda küme-sağlam standart hataları kullanın. Beyaz standart hataları, hataların tüm gözlemler arasında bağımsız olduğunu varsayar.
Sağlam OLS, sağlam regresyon ile aynı mıdır?
Hayır. Sağlam OLS (bu yöntem), değişen varyanslılık için standart hataları düzeltir ancak OLS tahmin edicisini korur. Sağlam regresyon (M-tahmin ediciler, en az kırpılmış kareler), aykırı değerleri küçümsemek için OLS tahmin edicisinin kendisini değiştirir. Farklı sorunları çözerler.
Değişen varyanslılık mevcutsa, WLS kullanmalı mıyım?
Varyans yapısını bildiğiniz veya modelleyebildiğiniz durumlarda WLS daha verimlidir, ancak ağırlıkları doğru bir şekilde belirtmeyi gerektirir. Varyans yapısının bilinmediği veya modellenmesinin zor olduğu durumlarda sağlam OLS tercih edilir - geçerli çıkarım garantisi için verimlilikten ödün verir.
Kaynaklar
- White, H. (1980). A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica, 48(4), 817–838. DOI: 10.2307/1912934 ↗
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Ordinary Least Squares with Heteroscedasticity-Consistent Standard Errors. ScholarGate. https://scholargate.app/tr/econometrics/robust-ols
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Genelleştirilmiş En Küçük Kareler (GLS)İstatistik↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Panel Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır
- Sağlam Genelleştirilmiş En Küçük Kareler (Sağlam GLS)Ekonometri↔ karşılaştır
- Ağırlıklı En Küçük Kareler (AEKK)İstatistik↔ karşılaştır