Regression model
Метод на най-малките квадрати (МНК)
Методът на най-малките квадрати е класическият метод за линейна регресия, който обяснява непрекъснат резултат като линейна комбинация от предиктори. Той оценява коефициентите чрез минимизиране на сумата от квадратите на остатъците и при допусканията на Гаус-Марков тези оценки са най-добрият линеен некоригиран оценител (BLUE).
Прочетете целия метод
Само за членове
ВходВлезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+141 more
Източници
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
Как да цитирате тази страница
ScholarGate. (2026, June 1). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/bg/econometrics/ols-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Регресия ЛасоМашинно обучение↔ compare
- Логистична регресияСтатистика за изследвания↔ compare
- Модел с фиксирани ефекти за панелни данниИконометрия↔ compare
- Квантилна регресияИконометрия↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
Цитиран в
Двустъпална регресия на най-малките квадрати (2SLS / IV)Тест ARCH-LM за клъстеризация на волатилносттаARDL Bounds TestARFIMA: Модел с дробно интегрирани ARMAМодел ARIMA (Autoregressive Integrated Moving Average)Оценъчен метод на разширената средна група (AMG)Байесов линейн регресионен моделБайесов многомерен линеен регресионен моделБайесова ОЛС (Байесова обикновена най-малка квадратична регресия)Байесов модел с произволни ефектиБайесов регресионен моделБайесова робастна регресияБайесов модел на проста линейна регресияБайесов векторна авторегресия (BVAR)Бета регресияМодел на портфейла Блек-ЛитърманБлоков бутстрап (подвижни блокове и стационарен)Анализ на точката на разрушаванеТест на Бройш-Годфри (LM) за автокорелацияТест на Бройш-Паган за хетероскедастичностМодел на оценяване на капиталови активи (CAPM)Алгоритми за причинно-следствено откриване (PC, FCI, LiNGAM)Анализ на причинно-следствена медиация (естествени преки и косвени ефекти)Оценка по метода на средните групи с общи корелирани ефекти (CCEMG)Модел на изчислим общ равновесен модел (CGE)Тест на Чоу за структурна промянаКлъстерно-робастни стандартни грешкиИндекс на обусловеностУсловният анализ на процеси (модерирана медиация)Конформно прогнозиране за прогнозиране на времеви редовеМетод на Крoстън за прекъснато търсенеМетод на разликите в разликите (Difference-in-Differences, DiD)Дизайн на разлики в дисконтинуитетиДвойно устойчива оценка (AIPW)Тест на Дърбин-Уотсън за автокорелацияОценител на динамични обикновени най-малки квадрати (DOLS)Регресия с еластична мрежаСъбитийно проучване (CAR и BHAR)Модел на многофакторен риск (Fama-French, APT)Факторно-допълнена векторна авторегресия (FAVAR)Модел с фиксирани ефектиПанелен модел с фиксирани ефектиОценител с напълно модифицирани най-малки квадрати (FMOLS)Фурие OLS (OLS с добавени Фурие членове)Фурие УНМ (Фурие гъвкави най-малки квадрати)Гама регресия (GLM)Модел GARCH (Прогнозиране на волатилността)Обобщен линеен модел (GLM)Географски претеглена регресия (GWR)Глобален модел на пространствена грешка (SEM)Оценка чрез обобщен метод на моментите (GMM)Тест за причинност на ГрейнджърМодел HAR-RV на реализираната волатилностТест на спецификацията на Хаусман (фиксирани ефекти спрямо случайни ефекти)Модел на Хекман за корекция на селекция на извадката (Heckit / Tobit Type II)Стандартни грешки, устойчиви на хетероскедастичност (HC)Йерархичен линеен модел (HLM)Регресия на ХюберМодел с бариера за данни с бройДиагностика на влиянието (разстояние на Кук, DFFITS, ливъридж)Модели на лихвените проценти (Васичек, CIR, Нелсън-Сийгъл)Анализ на прекъснати времеви редове (ITS)Джакнайф семплиране (Jackknife Resampling)Кригинг пространствена интерполацияРегресия с най-малък медиан на квадратите (LMS)Регресия на най-малките отрязани квадрати (LTS)Модели за риск от ликвидност (Амихуд, Рол, LOT)Модели с дълга памет (ARFIMA, FIGARCH)M-оценки (Устойчива регресия)Оценка на медианното абсолютно отклонение (MAD)Модел на Марковски превключващи се режими (MS-AR / MS-VAR)Многомащабна географски претеглена регресия (MGWR)MM-оценка за робастна регресияАнализ на модерация (взаимодействие)Мултиномиална логистична регресияМноговариантен множествен линеен регресионен анализНелинеен авторегресивен модел с разпределени лагове (NARDL)Негативно-биномна регресияСтандартни грешки на Нюи-Уест за HACНелинеен модел на авторегресивни разпределени лагове (NARDL)Нелинейна ОНЛ (Нелинейни най-малки квадрати)Нелинейни претеглени най-малки квадрати (NWLS)Квантилна регресия (непараметрични варианти)Подредена логистична регресия (Ordered Logit/Probit)Ординална логистична регресияОрдинална логистична регресия (модел на пропорционалните шансове)Двойна търговия (статистически арбитраж)Тестове за панелна коинтеграция (Педрони, Као, Вестерлунд)Модел с фиксирани ефекти за панелни данниПанелен МНМК (Обединен метод на най-малките квадрати)Панелни прости линейни регресииПанелен векторна авторегресия (Panel VAR)Регресия на Поасон и отрицателна биномна регресияПолиномна регресияОбикновен метод на най-малките квадрати (Pooled OLS) за панелни данниФактори на риска чрез главни компонентиПробит регресионен моделProphetКвантилна регресияТест на Рамзи RESET за функционална формаМодел с произволни ефекти за панелни данниМодел с произволни ефекти за панелни данниТочно разпределително заключение по ФишерRANSAC регресияМодел на Марковски превключващи се режими за финансови серииРегресионен дизайн с прекъсване (Regression Discontinuity Design - RDD)Регресионен дизайн с прекъсване (RDD)Регресионен дизайн с пречупване (RKD)Robust ANOVA (Уелч и подрязана средна)Устойчива корелация (Спирмън, Кендъл и Биуейт)Робастни обобщени най-малки квадрати (Robust GLS)Robust Hausman Specification TestУстойчива логистична регресияУстойчив линеен смесен моделRobustна множествена линейна регресияУстойчив модел на неавторегресивни разпределени лагове (Robust NARDL)Robust OLS (OLS с робастни стандартни грешки)Robust Quantile RegressionРобустна регресияRobust simple linear regressionУстойчив анализ на времеви редовеRobust Weighted Least Squares (Robust WLS)S-оценка за робастна регресияПривидно несвързани регресии (SUR)Пространствен модел на Дюрбин (SDM)Пространствен модел на грешката (SEM)Пространствен лаг модел (SAR / Spatial Autoregressive)Пространствен панелен модел (фиксирани/случайни ефекти)Пространствена регресия (модели с пространствен лаг и пространствена грешка)Модел на авторегресия с плавен преход (STAR)Стохастичен анализ на границата (SFA)OLS с отчитане на структурни прекъсванияСистемен GMM (Ареляно-Бовер / Блъндел-Бонд)Мерки за опашен риск (очаквана недостатъчност, спектрални, ефектилни)Оценител на Theil-SenМетодът ТетаМетод на най-малките квадрати в три стъпки (3SLS)Регресия с прагОбикновени най-малки квадрати с променливи във времето параметри (TVP-OLS)Модел на Тобит за цензурирани регресииИнструментални променливи чрез двуетапни най-малки квадрати (IV/2SLS)Тестване на устойчивостта на стойността при риск (VaR)Модел на векторна авторегресия (VAR)Фактор на инфлация на вариацията (VIF)Векторен модел за корекция на грешката (VECM)Регресия с W-оценител (Уелш / Тюки биквадрат)Тест на Уайт за хетероскедастичностДив бутстрап за регресионно заключение
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →