Гомоскедастичность является одним из предположений Гаусса-Маркова, которые требуются для того, чтобы МНК была лучшей линейной несмещенной оценкой (СИНИЙ).
Теорема Гаусса-Маркова говорит нам, что оценка наименьших квадратов для коэффициентовβ
Кратко суммируя информацию с сайтов выше, гетероскедастичность не вносит систематической ошибки в оценки ваших коэффициентов. Однако, учитывая гетероскедастичность, вы не сможете правильно оценить матрицу дисперсии и ковариации. Следовательно, стандартные ошибки коэффициентов неверны. Это означает, что невозможно вычислить любую t-статистику и p-значения, и, следовательно, проверка гипотез невозможна. В целом, при гетероскедастичности OLS теряет свою эффективность и больше не СИНИЙ.
Тем не менее, гетероскедастичность не конец света. К счастью, исправить гетероскедастичность несложно. Оценщик сэндвича позволяет оценить согласованные стандартные ошибки для коэффициентов. Тем не менее, вычисление стандартных ошибок с помощью сэндвич-оценки обходится дорого. Оценка не очень эффективна, и стандартные ошибки могут быть очень большими. Один из способов вернуть часть эффективности - это кластеризовать стандартные ошибки, если это возможно.
Вы можете найти более подробную информацию по этому вопросу на сайтах, которые я упомянул выше.