这是一个答案：通常，进行统计推断的最有效方法是当你的数据是独立同分布时，如果不是，你会从不同的观察中获得不同数量的信息，这样效率会降低。另一种看法是，如果您可以在推理中添加额外的信息（即，通过方差稳定变换，方差的函数形式），您通常会提高估计的准确性，至少是渐近的。在非常小的样本中，为方差建模而烦恼可能会增加您的小样本偏差。这是一种计量经济学 GMM 类型的论证：如果你添加额外的矩，你的渐近方差不会上升；并且您的有限样本偏差随着过度识别的自由度而增加。

基数给出了另一个答案：如果你的渐近方差表达式中有一个未知的方差，那么收敛到渐近分布的速度会更慢，你必须以某种方式估计这个方差。预先透视您的数据或统计数据通常有助于提高渐近近似的准确性。