Olasılıksal-Dayanıklı (HC) Standart Hatalar
Heteroscedasticity-Consistent (HC) Standard Errors · Ayrıca şöyle bilinir: robust standard errors, White standard errors, Huber-Eicker-White standard errors, sandwich standard errors, HC0, HC1, HC2, HC3, HC4, Heterokedastisiteye Robust Standart Hatalar (HC)
Olasılıksal-dayanıklı standart hatalar, hata varyansının sabit olmadığı durumlarda geçerli çıkarım sağlayan bir YKKY (En Küçük Kareler) regresyonu kovaryans matrisine bir düzeltmedir. 1980'de Halbert White tarafından tanıtılan ve 1985'te MacKinnon ve White tarafından HC1-HC4 sonlu-örnek varyantlarına rafine edilen bu hatalar, katsayı tahminlerini değiştirmeyip standart hataları yeniden oluşturarak t ve F testlerinin olasılıksal-dayanıklılık altında güvenilir kalmasını sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sürekli bir sonuç üzerinde bir YKKY regresyonu uyumlandırdıktan sonra, değişmeyen hata varyansından şüphelendiğiniz veya tespit ettiğinizde HC standart hatalarını kullanın — tipik olarak bir Breusch-Pagan testi ile doğrulanır. Zaten tahmin edilmiş bir YKKY modeli ve makul bir örneklem büyüklüğü (yaklaşık 30 veya daha fazla gözlem) gerektirirler. Kesitsel ve boylamsal verilerde olasılıksal-dayanıklılık için standart çözümdürler, ancak kümeler içindeki ilişkili hataları ele almazlar (küme-dayanıklı hataları kullanın) ve çok küçük örneklemlerde veya güçlü kaldıraç noktalarıyla güvenilmez hale gelirler, bu durumlarda HC3, HC4 veya vahşi bootstrap daha güvenlidir.
Güçlü yönler & sınırlılıklar
- Varyansın şeklini belirtmeden olasılıksal-dayanıklılık altında geçerli standart hatalar ve güvenilir t ve F testleri sağlar.
- YKKY nokta tahminlerini değiştirmeden bırakır, bu nedenle katsayıların yorumlanması sıradan YKKY ile aynıdır.
- Uygulaması basittir ve standart yazılımlarda tek satırlık bir kovaryans seçeneği olarak mevcuttur; HC1-HC4 varyantları daha iyi sonlu-örnek davranışları sunar.
- Küçük örneklemlerde (n < 30) HC standart hataları güvenilmez olabilir; HC3 veya vahşi bootstrap tercih edilir.
- Yüksek-kaldıraç noktaları HC0 ve HC1'i bozar, bu nedenle etkili gözlemler mevcut olduğunda HC3 veya HC4 kullanılmalıdır.
- Yalnızca olasılıksal-dayanıklılığı düzeltirler, otokorelasyonu veya küme içi bağımlılığı değil, bunlar başka dayanıklı tahminciler gerektirir.
SSS
Dayanıklı standart hatalar katsayılarımı değiştirir mi?
Hayır. Nokta tahminleri β̂, tam olarak sıradan en küçük kareler değerleridir. Yalnızca kovaryans matrisi — ve dolayısıyla standart hatalar, t istatistikleri ve p değerleri — olasılıksal-dayanıklılık altında geçerli olacak şekilde yeniden hesaplanır.
Hangi HC varyantını kullanmalıyım?
HC0, White'ın orijinal tahmincisidir. HC1 bir serbestlik derecesi düzeltmesi uygular, HC2 ve HC3 kaldıraç için ayarlar yapar ve HC4 yüksek-kaldıraç noktaları için ayarlanmıştır. HC3, özellikle küçük örneklemlerde yaygın olarak önerilen bir varsayılan değerdir; etkili gözlemler baskın olduğunda HC4'e veya vahşi bir bootstrap'e geçin.
Dayanıklı standart hatalara ne zaman ihtiyacım olduğunu nasıl anlarım?
YKKY'yi uyumlandırın ve kalıntılar üzerinde bir Breusch-Pagan (veya White) testi çalıştırın. Sabit olmayan hata varyansını gösteriyorsa, klasik standart hatalar artık geçerli değildir ve HC standart hataları standart çözümdür.
Dayanıklı standart hatalar kümelenmiş verileri işleyebilir mi?
Kendi başlarına değil. HC standart hataları olasılıksal-dayanıklılığı düzeltir ancak gözlemlerin başka türlü bağımsız olduğunu varsayar. Gruplar (okullar, şirketler, bölgeler) içindeki hatalar ilişkiliyse, bunun yerine küme-dayanıklı standart hataları kullanın.
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 ↗
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Heteroscedasticity-Consistent (HC) Standard Errors. ScholarGate. https://scholargate.app/tr/statistics/heteroscedasticity-robust-se
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Küme-Sağlam Standart Hatalarİstatistik↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır
- Ağırlıklı En Küçük Kareler (AEKK)İstatistik↔ karşılaştır
- Regresyon Çıkarımı için Wild Bootstrapİstatistik↔ karşılaştır