Robuste verallgemeinerte Kleinste Quadrate (Robuste GLS)
Robuste GLS erweitert die klassischen verallgemeinerten kleinsten Quadrate, indem sie die GLS-Koeffizientenschätzung mit heteroskedastie- und autokorrelationskonsistenten (HAC) Standardfehlern koppelt oder M-Schätzung innerhalb des GLS-Rahmens verwendet. Sie korrigiert nicht-sphärische Fehler – Heteroskedastie, Autokorrelation oder beides – und schützt gleichzeitig die Inferenz vor Fehlspezifikation der Fehlerkovarianzstruktur.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/de/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.
- Verallgemeinerte Kleinste Quadrate (GLS)Statistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Panel Generalisierte Kleinste Quadrate (Panel GLS)Ökonometrie↔ compare
- Robuste OLS (OLS mit robusten Standardfehlern)Ökonometrie↔ compare
- Gewichtete Kleinste Quadrate (GKS)Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →