Quan điểm của tôi là ít nhất là trong kinh tế lượng (áp dụng), ngày càng có nhiều tiêu chuẩn để sử dụng ma trận hiệp phương sai mạnh mẽ hoặc theo kinh nghiệm hơn là "thực hành lỗi thời" dựa vào đặc tả chính xác của ma trận hiệp phương sai. Điều này tất nhiên không phải là không có tranh cãi: xem một số câu trả lời tôi liên kết ở đây tại CrossValidated, nhưng nó chắc chắn là một xu hướng rõ ràng.
Các ví dụ bao gồm lỗi tiêu chuẩn không đồng nhất-mạnh mẽ ( lỗi tiêu chuẩn Eicker-Huber-White). Một số nhà nghiên cứu như Angrist và Pischke rõ ràng khuyên luôn luôn sử dụng lỗi tiêu chuẩn không đồng nhất thay vì quy trình "lỗi thời" để sử dụng lỗi tiêu chuẩn thông thường như mặc định và kiểm tra xem giả định có được bảo hành hay không.E[uu′]=σ2In
Các ví dụ khác bao gồm dữ liệu bảng, Imbens và Wooldridge viết ví dụ trong các slide bài giảng của họ lập luận chống lại việc sử dụng ma trận hiệp phương sai hiệu ứng ngẫu nhiên (mặc định giả sử một số lỗi chính tả trong thành phần phương sai là mặc định):
Suy luận đầy đủ mạnh mẽ có sẵn và thường nên được sử dụng. (Lưu ý: Ma trận phương sai RE thông thường, chỉ phụ thuộc vào và , không cần phải được chỉ định chính xác! Vẫn có ý nghĩa khi sử dụng nó trong ước tính nhưng làm cho suy luận mạnh mẽ.) σ 2 uσ2cσ2u
Sử dụng các mô hình tuyến tính tổng quát (đối với các phân phối thuộc họ hàm mũ), thông thường nên sử dụng luôn là công cụ ước tính sandwich thay vì dựa vào các giả định phân phối chính xác (thực tiễn lỗi thời ở đây): xem ví dụ câu trả lời này hoặc Cameron để đếm dữ liệu vì ước tính khả năng tối đa giả có thể khá linh hoạt trong trường hợp sai chính tả (ví dụ: sử dụng Poisson nếu nhị thức âm sẽ chính xác).
Việc sửa lỗi tiêu chuẩn [Trắng] như vậy phải được thực hiện cho hồi quy Poisson, vì chúng có thể tạo ra sự khác biệt lớn hơn nhiều so với sửa lỗi không đồng nhất tương tự cho OLS.
Greene viết trong sách giáo khoa của mình trong Chương 14 (có sẵn trên trang web của mình) với một ghi chú quan trọng và đi sâu hơn vào chi tiết về những lợi thế và bất lợi của thực tiễn này:
Có một xu hướng trong tài liệu hiện tại là tính toán công cụ ước tính [sandwich] này một cách thường xuyên, bất kể chức năng khả năng. * [...] * Chúng tôi nhấn mạnh một lần nữa rằng công cụ ước tính sandwich, không nhất thiết phải là bất kỳ đức hạnh nếu chức năng khả năng bị sai và các điều kiện khác cho công cụ ước tính M không được đáp ứng.