Regression model

Ελάχιστα Τετράγωνα (Ordinary Least Squares - OLS)

Τα Ελάχιστα Τετράγωνα (Ordinary Least Squares - OLS) αποτελούν την κανονική μέθοδο για την εκτίμηση των παραμέτρων ενός γραμμικού μοντέλου παλινδρόμησης, ελαχιστοποιώντας το άθροισμα των τετραγωνικών διαφορών μεταξύ των παρατηρούμενων και των προβλεπόμενων τιμών. Πρώτη δημοσιευμένη από τον Adrien-Marie Legendre το 1805 και ανεξάρτητα αναπτυγμένη από τον Carl Friedrich Gauss (ο οποίος διεκδίκησε την προτεραιότητα από το 1795), η μέθοδος OLS είναι αποδεδειγμένα βέλτιστη υπό το θεώρημα Gauss-Markov: δεδομένων των παραδοχών της, αποδίδει τον Καλύτερο Γραμμικό Αμερόληπτο Εκτιμητή (Best Linear Unbiased Estimator - BLUE) των συντελεστών παλινδρόμησης.

Εφαρμογή με το StatMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Legendre, A.-M. (1805). Nouvelles méthodes pour la détermination des orbites des comètes. Firmin Didot, Paris. [Appendix: Sur la Méthode des moindres quarrés, pp. 72–80.] link
  2. Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Perthes & Besser, Hamburg. link
  3. Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
  4. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson. ISBN: 978-0134461366

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/el/statistics/ordinary-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.

Compare side by side

Αναφέρεται από

ScholarGateOrdinary Least Squares (Ordinary Least Squares Regression). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/statistics/ordinary-least-squares · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026