用异方差校正标准误差解释回归

Question

在我的数据中，我有Breosch-Pagan测试和NVC测试所显示的异方差性问题。

因此，我想按照Gavin Simpson发布的方法： Regression with Heteroskedasticity Corrected Standard Errors

这似乎有效但现在我解释结果时遇到了麻烦，因为它们看起来与我原来的多元回归结果非常不同。

mySummary(model_maineffect, vcovHC)

t test of coefficients:

                             Estimate Std. Error  t value  Pr(>|t|)    
    (Intercept)             -0.5462588  0.0198430 -27.5291 < 2.2e-16 ***
    IV1                      0.0762802  0.0082630   9.2315 < 2.2e-16 ***
    Control1                -0.0062260  0.0071657  -0.8689   0.38493    
    Control2                 0.0277049  0.0066251   4.1818 2.910e-05 ***
    Control3                 0.0199855  0.0104345   1.9153   0.05547 .  
    Control4                -0.4639035  0.0083046 -55.8608 < 2.2e-16 ***
    Control5                 0.6239948  0.0072652  85.8876 < 2.2e-16 ***

    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    Wald test

    Model 1: DV ~ IV1 + Control1 + Control2         + 
        Control3 + Control4 + Control5  
    Model 2: DV ~ 1
      Res.Df Df      F    Pr(>F)    
    1  14120                        
    2  14128 -8 1304.6 < 2.2e-16 ***
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

我能否以与多元回归相同的方式解释它们，即，IV1对DV具有非常显着的影响，因为IV1的Pr（> | t |）<0.001。并且这是否意味着该模型得到显着改善，因为Pr（> F）<0.001？在这种情况下，我怎么能报告我的R-Square？