稳健的方差估计器需要大样本才能有效。在小样本中，它们偏向下，并且基于正态分布的置信区间的覆盖率可能低于名义覆盖率。

用一个$t_{n-k}$- 保守的分布近似是一种可能的解决方案：您希望在将测试提供给期刊裁判之神之前，这足以使尾巴变胖。其他想法是将残差平方乘以$\frac{n}{n-k}$（或类似的东西）来膨胀它们（Stata 也这样做），或者更高阶的渐近扩展，或者像 bootstrapping 这样的重采样方法。这里$n$是观察次数和$k$参数的数量。

Imbens 和 Kolesar (2012)对这些文献进行了很好的调查。他们举了一个很好的例子$t$在您进行二元处理且处理过的观察结果很少的情况下，近似值会出错。使用$n=n_T+n_C$太慷慨了。

如果您的样本量很大，请使用$t$与正常情况相比，根本不重要。