Verallgemeinerte Kleinste Quadrate (GLS)
Verallgemeinerte Kleinste Quadrate (GLS) ist ein Schätzer für lineare Regressionen, der die gewöhnlichen kleinsten Quadrate erweitert, um Situationen zu handhaben, in denen die Fehlerterme korreliert sind oder eine nicht-konstante Varianz (Heteroskedastizität) aufweisen. GLS, eingeführt von Alexander Craig Aitken im Jahr 1935, erreicht den besten linearen unverzerrten Schätzer (BLUE) unter einer allgemeinen Fehlerkovarianzstruktur, indem Beobachtungen entsprechend ihrer Präzision gewichtet werden, und bildet so eine theoretische Brücke zwischen OLS und modernen linearen gemischten Modellen.
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.
+2 more
Quellen
- Aitken, A. C. (1935). IV.—On least squares and linear combination of observations. Proceedings of the Royal Society of Edinburgh, 55, 42–48. DOI: 10.1017/S0370164600014346 ↗
- Greene, W. H. (2003). Econometric Analysis (5th ed.). Prentice Hall. ISBN: 978-0131108493
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press. ISBN: 978-0262232586
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Generalized Least Squares Estimator. ScholarGate. https://scholargate.app/de/statistics/generalized-least-squares
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.
- Zweistufige Kleinste-Quadrate-Regression (2SLS / IV)Ökonometrie↔ compare
- Kleinste-Quadrate-Schätzung (OLS)Statistik↔ compare
- Gewichtete Kleinste Quadrate (GKS)Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →