আমার দৃষ্টিভঙ্গি হ'ল কমপক্ষে (প্রয়োগিত) একনোমেট্রিক্সে কোভেরিয়েন্স ম্যাট্রিক্সের সঠিক স্পেসিফিকেশনের উপর নির্ভরশীল (অ্যাসেম্পোটোটিক্যালি) নির্ভর "অ্যানক্রোনস্টিক অনুশীলন" না হয়ে দৃust় বা অভিজ্ঞতাবাদী কোভেরিয়েন্স ম্যাট্রিক্স ব্যবহার করা আরও বেশি m এটি অবশ্যই কোনও বিতর্ক ছাড়াই নয়: আমি এখানে ক্রসভিলেটেডে যুক্ত হওয়া কয়েকটি উত্তর দেখুন, তবে এটি অবশ্যই একটি সুস্পষ্ট প্রবণতা।
উদাহরণগুলির মধ্যে হিটারোসিসেস্টাস্টিটি-মজবুত মান ত্রুটি (আইকার-হুবার-হোয়াইট স্ট্যান্ডার্ড ত্রুটি) অন্তর্ভুক্ত। অ্যাংজিস্ট এবং পিস্কে-এর মতো কিছু গবেষক স্পষ্টতই ডিফল্ট হিসাবে সাধারণ স্ট্যান্ডার্ড ত্রুটি ব্যবহার করার জন্য "অ্যানক্রোনস্টিক" পদ্ধতির পরিবর্তে হেটেরোসিসেস্টাস্টিটি-মজবুত স্ট্যান্ডার্ড ত্রুটি ব্যবহার করার পরামর্শ দেন এবং অনুমোদিত নয় কিনা তা পরীক্ষা করে দেখুন ।E[uu′]=σ2In
অন্যান্য উদাহরণগুলির মধ্যে প্যানেল ডেটা অন্তর্ভুক্ত রয়েছে, আইম্বেন্স এবং ওয়াল্ড্রিজ উদাহরণস্বরূপ তাদের বক্তৃতা স্লাইডগুলিতে এলোমেলোভাবে প্রভাবের ভেরিয়েন্স কোভারিয়েন্স ম্যাট্রিক্স ব্যবহারের বিরুদ্ধে যুক্তি দেয় (স্পষ্টতই ভেরিয়েন্স উপাদানটিতে কিছু ভুল বর্ণনাকে ডিফল্ট হিসাবে ধরে নেওয়া হয়):
সম্পূর্ণ দৃ .় অনুমান উপলব্ধ এবং সাধারণত ব্যবহার করা উচিত। (দ্রষ্টব্য: সাধারণ আরই ভেরিয়েন্স ম্যাট্রিক্স, যা কেবলমাত্র এবং উপর নির্ভর করে , সঠিকভাবে নির্দিষ্ট করার দরকার নেই! এটি এখনও এটি অনুমানে ব্যবহার করার পক্ষে কিন্তু তোলে sense) σ 2 ইউσ2cσ2u
সাধারণীকরণীয় রৈখিক মডেল ব্যবহার করে (তাত্পর্যপূর্ণ পরিবারগুলির সাথে সম্পর্কিত এমন বিতরণগুলির জন্য) প্রায়শই সঠিক বন্টন অনুমানের উপর নির্ভর করার পরিবর্তে তথাকথিত স্যান্ডউইচ অনুমানকারী ব্যবহার করার পরামর্শ দেওয়া হয় (এখানে অ্যানক্রোনস্টিক অনুশীলন): উদাহরণস্বরূপ এই উত্তরটি বা ক্যামেরন উল্লেখ করে দেখুন ডেটা গণনা করার জন্য কারণ সিউডো-সর্বাধিক সম্ভাবনা অনুমানের ভুল ব্যাখ্যা করার ক্ষেত্রে যথেষ্ট নমনীয় হতে পারে (যেমন পয়েসন ব্যবহার করা যদি নেতিবাচক দ্বিপদী সঠিক হয়)।
পোয়েসন রিগ্রেশনের জন্য এ জাতীয় [হোয়াইট] স্ট্যান্ডার্ড ত্রুটি সংশোধন করা আবশ্যক, কারণ তারা ওএলএসের জন্য অনুরূপ ভিন্ন ভিন্ন ভিন্ন ভিন্ন ভিন্ন পার্থক্য করতে পারে।
গ্রিন তার পাঠ্যপুস্তকে অধ্যায় 14 (তাঁর ওয়েবসাইটে উপলব্ধ) উদাহরণস্বরূপ একটি সমালোচনামূলক নোট সহ লিখেছেন এবং এই অনুশীলনের সুবিধা এবং অসুবিধাগুলি সম্পর্কে আরও বিস্তারিত লিখেছেন:
বর্তমান সাহিত্যে এই [স্যান্ডউইচ] প্রাক্কলনকারীকে নিয়মিত গণনা করার প্রবণতা রয়েছে, সম্ভাব্যতা কাজটি নির্বিশেষে। * [...] * আমরা আবারও জোর দিয়ে বলছি যে স্যান্ডউইচ অনুমানকারী নিজেই এবং কোনওটিই অগত্যা নয় গুণাবলী যদি সম্ভাবনা ফাংশনটি ভুল বর্ণিত হয় এবং এম অনুমানকারীটির জন্য অন্যান্য শর্তাদি পূরণ না হয়।