Dalam Ekonometrika, kita akan mengatakan bahwa non-normalitas melanggar kondisi Model Regresi Linier Normal Klasik, sedangkan heteroskedastisitas melanggar asumsi CNLR dan Model Regresi Linier Klasik.
Tetapi mereka yang mengatakan "... melanggar OLS" juga dibenarkan: nama Ordinary Least-Squares berasal dari Gauss secara langsung dan pada dasarnya mengacu pada kesalahan normal . Dengan kata lain "OLS" bukan akronim untuk estimasi kuadrat-terkecil (yang merupakan prinsip dan pendekatan yang jauh lebih umum), tetapi dari CNLR.
Oke, ini sejarah, terminologi, dan semantik. Saya memahami inti dari pertanyaan OP sebagai berikut: "Mengapa kita harus menekankan yang ideal, jika kita telah menemukan solusi untuk kasus ketika itu tidak ada?" (Karena asumsi CNLR yang ideal, dalam arti bahwa mereka memberikan sifat estimator sangat baik least-square "off-the-rak", dan tanpa perlu resor untuk hasil asymptotic. Ingat juga bahwa OLS adalah kemungkinan maksimum ketika kesalahan adalah normal ).
Sebagai cita-cita, ini adalah tempat yang baik untuk mulai mengajar . Inilah yang selalu kita lakukan dalam mengajarkan segala jenis subjek: situasi "sederhana" adalah situasi "ideal", bebas dari kerumitan yang sebenarnya akan kita temui dalam kehidupan nyata dan penelitian nyata, dan untuk itu tidak ada solusi pasti .
Dan inilah yang saya temukan bermasalah dengan pos OP: ia menulis tentang kesalahan standar yang kuat dan bootstrap seolah-olah itu adalah "alternatif yang unggul", atau solusi yang sangat mudah untuk kurangnya asumsi tersebut dalam diskusi yang juga ditulis oleh OP
"..asumsi bahwa orang tidak harus bertemu"
Mengapa? Karena ada beberapa metode menghadapi situasi, metode yang tentu saja memiliki validitas, tetapi mereka jauh dari ideal? Bootstrap dan heteroskedastisitas-kuat kesalahan standar tidak satu solusi -jika mereka memang berada, mereka akan menjadi paradigma yang dominan, mengirimkan CLR dan CNLR untuk buku-buku sejarah. Tapi ternyata tidak.
Jadi kita mulai dari serangkaian asumsi yang menjamin properti penaksir yang kita anggap penting (ini adalah diskusi lain apakah properti yang ditunjuk sebagai diinginkan memang yang seharusnya), sehingga kita tetap terlihat bahwa setiap pelanggaran terhadap mereka, telah konsekuensi yang tidak dapat sepenuhnya diimbangi melalui metode yang kami temukan untuk mengatasi ketiadaan asumsi ini. Akan sangat berbahaya, secara ilmiah, untuk menyampaikan perasaan bahwa "kita dapat mengambil jalan kita menuju kebenaran masalah" - karena, kita tidak bisa.
Jadi, mereka tetap solusi tidak sempurna untuk masalah , bukan alternatif dan / atau cara yang pasti unggul untuk melakukan sesuatu. Karena itu, pertama-tama kita harus mengajarkan situasi bebas masalah, kemudian menunjukkan kemungkinan masalah, dan kemudian membahas solusi yang mungkin. Kalau tidak, kami akan meningkatkan solusi ini ke status yang tidak benar-benar mereka miliki.