Робастни обобщени най-малки квадрати (Robust GLS)
Robust GLS разширява класическите обобщени най-малки квадрати, като съчетава оценката на коефициентите на GLS със стандартни грешки, съгласувани с хетероскедастичност и автокорелация (HAC), или чрез използване на M-оценка в рамките на GLS. Той коригира несферични грешки — хетероскедастичност, автокорелация или и двете — като същевременно предпазва извода от неправилна спецификация на ковариационната структура на грешките.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Greene, W. H. (2012). Econometric Analysis (7th ed.). Pearson. Chapter 9: The Generalized Regression Model and Heteroscedasticity. ISBN: 978-0131395381
- White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, 48(4), 817-838. DOI: 10.2307/1912934 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/bg/econometrics/robust-gls
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.
- Обобщени най-малки квадрати (ОНК)Статистика↔ compare
- Метод на най-малките квадрати (МНК)Иконометрия↔ compare
- Обобщен метод на най-малките квадрати за панелни данни (Panel GLS)Иконометрия↔ compare
- Robust OLS (OLS с робастни стандартни грешки)Иконометрия↔ compare
- Метод на претеглени най-малки квадрати (WLS)Статистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →