假设您正在运行回归： $Y_i$=$X_i$$\beta$+$\eta_i$

而且我们不假设正常$\eta_i$.

我的理解是，只要您的样本量相对较大（并且我知道有多大是任意的），您就可以依靠 CLT 来证明使用 t 统计量的相同公式无论如何作为与实际基础抽样的近似值分布，即$\hat{\beta}$在分布中收敛到正态分布，并且使用渐近协方差矩阵的一致估计量，您可以使用看起来像统计量的公式，即

$\frac{(\hat{\beta}-\beta)}{s_\hat{\beta}}$

在哪里$s_i$是估计量的派生渐近方差的一致估计量，用于假设检验。有了这个，是否准确地说，

1）。这不是 t 检验（我之前听说过它被描述为“渐近 t 检验”）2）。这是一个“渐近 z”的检验统计量 3)。给定 2)，我们将 z 表用于 p 值，本质上假设我们可以使用 z 分布作为基础抽样分布的近似值？

如果上述情况属实，那么在这种情况下仅使用 z 表作为采样分布的近似值是否正确？效果是否与仅使用带有大 b 的表没有什么不同，因为它也收敛到标准正常？