Gewichtete Kleinste Quadrate (GKS)
Gewichtete Kleinste Quadrate (GKS) ist eine Verallgemeinerung der gewöhnlichen Kleinsten-Quadrate-Regression (GKS), die jeder Beobachtung ein Gewicht zuweist, das umgekehrt proportional zu ihrer Fehlervarianz ist, wodurch Datenpunkte mit hoher Varianz herunter- und präzise Punkte hochgewichtet werden. In seiner allgemeinen Matrixform wurde GKS 1935 von Alexander Craig Aitken eingeführt und ist die kanonische Lösung bei Heteroskedastizität, wenn die Struktur der Fehlervarianz bekannt ist oder zuverlässig geschätzt werden kann.
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.
+5 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. (2012). Econometric Analysis (7th ed.). Pearson Education. ISBN: 978-0131395381
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis (5th ed.). Wiley. ISBN: 978-0470542811
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weighted Least Squares Regression. ScholarGate. https://scholargate.app/de/statistics/weighted-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.
- Verallgemeinerte Kleinste Quadrate (GLS)Statistik↔ compare
- Kleinste-Quadrate-Schätzung (OLS)Statistik↔ compare
- Robuste RegressionStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →