R 用异方差校正标准差解释回归

在我的数据中，正如Breusch-Pagan检验和NVC检验所表明的那样，我在异方差方面存在问题，这两个检验都是显著的

因此，我想遵循Gavin Simpson在这里发布的方法：

这似乎是可行的，但现在我很难解释结果，因为它们看起来与我最初的多元回归结果非常不同

mySummary(model_maineffect, vcovHC)

t test of coefficients:

                             Estimate Std. Error  t value  Pr(>|t|)    
    (Intercept)             -0.5462588  0.0198430 -27.5291 < 2.2e-16 ***
    IV1                      0.0762802  0.0082630   9.2315 < 2.2e-16 ***
    Control1                -0.0062260  0.0071657  -0.8689   0.38493    
    Control2                 0.0277049  0.0066251   4.1818 2.910e-05 ***
    Control3                 0.0199855  0.0104345   1.9153   0.05547 .  
    Control4                -0.4639035  0.0083046 -55.8608 < 2.2e-16 ***
    Control5                 0.6239948  0.0072652  85.8876 < 2.2e-16 ***

    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    Wald test

    Model 1: DV ~ IV1 + Control1 + Control2         + 
        Control3 + Control4 + Control5  
    Model 2: DV ~ 1
      Res.Df Df      F    Pr(>F)    
    1  14120                        
    2  14128 -8 1304.6 < 2.2e-16 ***
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

mySummary（模型_mainpeffect，vcovHC）
系数的t检验：
估计标准误差t值Pr（>t）
（截距）-0.5462588 0.0198430-27.5291<2.2e-16***
IV1 0.0762802 0.0082630 9.2315<2.2e-16***
控制1-0.0062260.0071657-0.8689 0.38493
控制2 0.0277049 0.0066251 4.1818 2.910e-05***
控制3 0.0199855 0.0104345 1.9153 0.05547。
控制4-0.4639035 0.0083046-55.8608<2.2e-16***
控制5 0.6239948 0.0072652 85.8876<2.2e-16***
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
瓦尔德试验
模型1:DV~IV1+Control1+Control2+
Control3+Control4+Control5
模型2:DV~1
分辨率Df Pr（>F）
1  14120                        
14128-81304.6<2.2e-16***
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1

---

我可以用多元回归的方法来解释它们吗，即IV1对DV有非常显著的影响，因为IV1的Pr（>| t |）是F）是stats.stackexchange.com将是一个更好的问这个问题的地方。因为这是一个严格的统计相关问题。请提供原始代码以生成

mySummary

@akash87中的参数：生成

mySummary

我在代码后面跟着Gavin Simpson

mySummary@Jav:谢谢！我也会把我的问题贴在那里