堅牢な（白）標準エラーを常に報告しますか？

AngristとPischkeは、Robust（すなわち、不均一分散または不均等な分散に対してロバスト）標準エラーは、テストではなく当然のこととして報告されていると示唆しています。2つの質問：

1. 等分散性がある場合の標準エラーへの影響は何ですか？
2. 誰かが実際に仕事でこれをしますか？

堅牢な標準エラーを使用することは、経済学の一般的な慣行になりました。通常、ロバストな標準エラーは、ロバストではない（標準？）標準エラーよりも大きいため、実践は保守的な努力と見なすことができます。

大規模なサンプル（たとえば、数百万の観測値を持つ国勢調査データまたは「数千」の観測値を持つデータセットを使用している場合）で、不均一分散性テストはほぼ確実に陽性になるため、このアプローチは適切です。

異分散性と戦う別の手段は、重み付き最小二乗ですが、このアプローチは、堅牢な標準誤差の使用とは異なり、パラメーターの推定値を変更するため、軽視されています。重みが正しくない場合、推定値は偏っています。ただし、重みが正しい場合、堅牢な標準誤差を持つOLSよりも小さい（「より効率的な」）標準誤差が得られます。

で入門計量経済学（ウーリッジ、2009年版の268ページ）この質問を取り上げています。Woolridgeは、ロバストな標準誤差を使用する場合、得られたt統計は、サンプルサイズが大きい場合に正確なt分布に類似した分布のみを持つと言います。サンプルサイズが小さい場合、ロバスト回帰を使用して取得されたt-statsの分布はt分布に近くない可能性があり、これにより推論がスローされる可能性があります。

堅牢な標準誤差は、不均一分散の下で公平な標準誤差推定を提供します。堅牢な標準エラーに関する大規模で長い議論を提供する統計テキストがいくつか存在します。次のサイトでは、堅牢な標準エラーに関するある程度包括的な概要を提供しています。

https://economictheoryblog.com/2016/08/07/robust-standard-errors/

質問に戻ります。堅牢な標準エラーを使用することには注意が必要です。堅牢な標準誤差を使用するWoolridge（2009年版、268ページ）によれば、得られたt統計は、サンプルサイズが大きい場合に正確なt分布に類似した分布のみを持ちます。サンプルサイズが小さい場合、ロバスト回帰を使用して取得したt統計量は、t分布に近くない分布を持つ可能性があります。これは推論をスローする可能性があります。さらに、等分散性の場合、堅牢な標準誤差は依然として公平です。ただし、それらは効率的ではありません。つまり、従来の標準誤差は堅牢な標準誤差よりも正確です。最後に、堅牢な標準エラーを使用することは、多くの学術分野で一般的に行われています。

堅牢な標準エラーの使用を避ける多くの理由があります。技術的に何が起こるかは、実際には証明できない重みによって分散が重み付けされることです。したがって、ルーバストネスは単なる化粧品です。一般的に、モデルの変更については細心の注意を払う必要があります。データから発生する問題を単に塗りつぶすことよりも、より良い方法で異質性に対処することには多くの影響があります。モデルを切り替えるためのサインとしてそれを取る。この質問は、外れ値の処理方法に関する質問と密接に関連しています。すぐにそれらを削除してより良い結果を得ることができますが、堅牢な標準エラーを別のコンテキストで使用してもほぼ同じです。

ホワイト標準誤差と「通常の」方法で計算された標準誤差（たとえば、最尤法の場合はヘッセ行列および/またはOPG）は、等分散性の場合は漸近的に等価であると思いましたか？

不均一分散が存在する場合にのみ、「通常の」標準誤差は不適切になります。つまり、白標準誤差は不均一分散の有無に関係なく、つまり、モデルが同分散である場合でも適切です。

2についてはあまり話せませんが、White SEを計算して結果に含めたくない理由がわかりません。

私は、計量経済学入門、第3版と題された教科書を持っています。StockとWatsonによると、「エラーが不均一分散である場合、同分散のみの標準誤差を使用して計算されたt統計量は、大きなサンプルでも標準正規分布を持ちません。」あなたのt統計量が標準正規分布として分布していると仮定することができなければ、適切な推論/仮説検定を行うことはできないと思います。Wooldridgeには多くの敬意を払っています（実際、私の大学院レベルのクラスも彼の本を使用しました）ので、堅牢なSEを使用するt統計について彼が言うことは、適切であるために大きなサンプルが必要であることは間違いなく正しいと思いますが、多くの場合、大規模サンプルの要件に対処する必要があり、それを受け入れます。ただし、堅牢でないSEを使用しても、適切な標準正規分布でt統計が得られないという事実たとえ大量のサンプルを持っているとしても、克服するのははるかに大きな課題です。