看来你知道整个技术，所以我只会处理具体的问题——答案是： 你应该使用与“解释”变量相关的样本量——我想这就是你所说的“独立”的意思，即回归变量。

这源于以下几点：在回归设置中，我们根据回归量对误差项做出假设：即在（矩阵表示法）模型中

$$\mathbf y = \mathbf X\beta + \mathbf u$$

我们指定$E(\mathbf u \mid \mathbf X) = 0,\; E(\mathbf u \mathbf u'\mid \mathbf X) = \sigma^2\mathbf I$. 在异方差设置中，我们基本上考虑条件异方差，即，我们假设（或怀疑）

$$E(\mathbf u \mathbf u'\mid \mathbf X) = \sigma^2\mathbf \Omega$$ 因为期望值是有条件的$\mathbf X$，它将是一个函数 $\mathbf X$, (而不是$\mathbf y$包含在误差项中），即$\mathbf \Omega = g(\mathbf X)$. 因此，为了逻辑一致性，您必须使用与回归量相关的特征，以便在理论上对异方差进行建模，然后应用加权最小二乘法。