稳健标准差是指其标准差对于模型中可能存在的异方差或自相关问题不敏感，基于稳健标准差计算的稳健t统计量仍然渐进分布t分布。 因此，在Stata中利用robust选项可以得到异方差稳健估计量。
：
稳健统计是数理统计学的一个方面，研究当总体假定稍有变动及记录数据有失误时，统计方法的适应性问题。稳健性一词是G.E.P.博克斯在1953年提出的，但关于稳健性的思想，可追溯到20世纪初期，有些稳健性统计方法，如下文提到的修削平均，使用还要早些。
数理统计学的一个方面，研究当总体假定稍有变动及记录数据有失误时，统计方法的适应性问题。一个统计方法在实际应用中要有良好的表现，需要两个条件:一是该方法所依据的条件与实际问题中的条件相符；二是样本确是随机的，不包含过失误差，如记录错误等。但实际应用中这些条件很难严格满足，比方说，原来在提出该方法时是依据总体分布为正态分布的假定，但实际问题中总体的分布与正态略有偏离；或在大量的观测数据中存在受到过失误差影响的“异常数据”等。如果在这种情况下，所用统计方法的性能仅受到少许影响，就称它具有稳健性。
稳健性一词是G.E.P.博克斯在1953年提出的，但关于稳健性的思想，可追溯到20世纪初期，有些稳健性统计方法，如下文提到的修削平均，使用还要早些。从1960年J.W.图基发表他的工作以来，这方面的工作得到更多统计学家的重视。1964年P.J.休伯发表了他关于M估计的工作，进一步推动了它的发展。到1980年为止关于这方面的工作，已由休伯写成专著。
对总体分布的稳健性设当总体分布为F时，统计方法T的某项性能指标为AT(F)，例如，T可以是F的数学期望的估计，而AT(F)为T的方差若在某项实际应用中，真实的总体分布为F，而该项性能指标取值AT(F)。以距离p(F，F)刻画F与F的差异，比如，p(F，F)可以是|F(x)-F(x)|对x取的最大值。如果当 P(F，F)充分小时，|AT(F)-AT(F)|也充分小，则称方法T具有对总体分布的稳健性。可见，统计方法的稳健性与考虑的性能指标有关，也与分布的距离p(F，F)的定义有关。因此，怎样定义适当的距离p(F，F)，研究各种距离的性质及相互关系，怎样选择适当的性能指标作为衡量稳健性的依据等，是稳健统计研究的一方面的内容。
通常使用的很多统计方法，是在总体分布为正态的前提下导出的，理论上也证明了，在正态总体的情况下这些方法具有某种优良的性能。但在大多数具体问题中，正态假定往往只是近似地满足，若一个统计方法缺乏稳健性，则它理论上可能有某种优良性能，而在实际应用中却表现很差，甚至面目全非。因此，稳健性的研究是一个有很大实际意义的课题。
图基在1960年提供了这样的例子:设x1，x2，，xn是抽自正态总体N(μ，σ)的样本，要估计σ，常用的估计量
是标准正态分布函数，则可以算出，当ε=0.05时，_n和dn的方差比的极限超过2。就是说，即使像0.05这么小的污染程度也足以使_n远不如dn的一半。因此_n作为σ的估计稳健性较差，而相对地说dn的稳健性就较_n好。
理论研究表明:像F检验(见假设检验、方差分析)之类的与总体方差有关的统计方法，其性能多与总体的正态性有较强的依赖关系，稳健性较差；而与总体均值有关的统计方法，如t检验之类，稳健性相对说来要好一些。
对异常数据的稳健性由于在大量次数的试验或观测中，很难完全避免出现个别疏忽，因此，要使统计方法有较好的稳健性，就必须要求，它所依据的统计量不受个别异常数据的太大影响。一个典型的例子是用样本均值或样本中位数（见统计量）去估计正态分布的均值，前者受个别异常数据的影响较大，而后者则几乎不受到影响，故从稳健性角度看，后者优于前者。介于两者之间的有所谓修削平均，即给定自然数k算术平均值称为修削平均值，k愈大，修削愈多，如果有少量异常数据混入，则在修削时被舍弃了，因而不致造成危害。这是一个较早的稳健统计方法，但被广泛使用。
什么是异方差的稳健标准误方法
可以。稳健标准误可以为负数，稳健标准误是经济学中的一种计量数值，其可以为负，但其为负时，则表示其计算的经济量存在异方差等问题。稳健标准差是指其标准差对于模型中存在的异方差或自相关问题不敏感。
异方差的稳健标准误是经济学术语，英文全称为Heteroskedasticity-Robust+Standard+Error。
异方差—稳健标准误是指其标准差对于模型中可能存在的异方差或自相关问题不敏感，基于稳健 标准差计算的稳健t统计量仍然渐进分布t分布。在Stata中利用robust选项可以得到异方差—稳健标准误估计量。
异方差的稳健标准误方法的提出：
Huber (1967)、Eicker (1967) 和 White
(1980)提出了异方差—稳健方差矩阵估计，该方法能够在考虑异方差情况下求出稳健标准误。
利用异方差稳健标准误对回归系数进行t检验和F检验都是渐近有效的。在STATA中，异方差—稳健标准误可以在“reg”或者“xtreg”语句后，加选择性命令“robust”即可得到。但是这一方法有一个假设的前提：残差项是独立分布的。
扩展资料：
异方差处理的方法：
在进行计量分析时，若数据存在异方差问题，那么简单的OLS估计就会失效。对此，有两种处理方法：
1、使用OLS+稳健标准误的方法（Robust）。
2、加权最小二乘法（WLS）。
由于方差较小的数据提供的信息较多，而方差较大的数据提供的信息较少，WLS据此对数据进行加权处理。一般而言，第一种方法更为稳健，可适用于一般情形，而第二种方法更为有效。
参考资料来源：百度百科——异方差性
以上就是关于什么是稳健标准差全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
