pptt 这个链接是Freedman写的关于Sandwich estimator的一个review. http://www.stat.berkeley.edu/~census/mlesan.pdf 有一个问题:既然似然函数来自于一个不正确的模型,为什么还要关心MLE,并且用Sandwich estimator来修正MLE的方差估计呢?
rtist sandwich的优势在于不用知道真正的方差模型是什么,只要样本量足够大,consistency result就可以应用。 就算模型是正确的,用sandwich的损失也不是很大。 如果模型不正确,且样本量大,用sandwich的gain就会比loss大。 模型不正确通常不是百分之百不正确,sandwich所校正的也只是方差结构,而没有校正回归系数; 期望的那部分还是由模型决定的。但是回归系数的估计通常也不需要似然函数,绝大多数情况下,大家都是用最小二乘法。