Ramsey 检验依赖于正态分布残差的假设来证明使用 F 检验进行精确有限样本推断以测试嵌套模型（线性模型与饱和多项式模型）的合理性。当违反正态性假设时，几乎没有其他分布会产生令人信服的、可检验的比率统计数据。这是从线性模型推断的一般结果。

一种解决方法是使用渐近检验。当样本量很大时，似然比统计量的卡方逼近表现得很好。渐近检验具有良好的功效，并且在所有样本大小中都具有正确的大小，因此在各种情况下使用它是合理的。

此处合理的另一种方法是利用稳健的标准误差来测试嵌套模型。使用稳健标准误差的推理不依赖于误差项的同质性或相同分布。这是一个重要的考虑因素，因为如果存在模型错误指定，那么明显的“误差”项是固有误差（可能遵循也可能不遵循已知分布）和未捕获的 Y 变化的未测量贡献的混合。看起来对我来说，这就是引用的“即将发表的”论文中提到的问题：但我发现很难相信任何有用的结果都可以概括地说出来，因为模型错误指定的程度可能会产生几乎任何形式的数据。使用这些类型的“三明治”的缺点