Robust Generaliserede mindste kvadrater (Robust GLS)
Robust GLS udvider klassisk Generaliserede mindste kvadrater ved at parre GLS-koefficientestimering med heteroscedasticitets- og autokorrelationskonsistente (HAC) standardfejl, eller ved at anvende M-estimering inden for GLS-rammeværket. Metoden korrigerer for ikke-sfæriske fejl – heteroscedasticitet, autokorrelation eller begge dele – samtidig med at den beskytter inferens mod fejlspecifikation af fejlkohvariansstrukturen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/da/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.
- Generel mindste kvadraters metode (GLS)Statistik↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- Panel Generaliserede Mindste Kvadraters Metode (Panel GLS)Økonometri↔ compare
- Robust OLS (OLS med robuste standardfejl)Økonometri↔ compare
- Vægtede mindste kvadraters metode (WLS)Statistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →