Regression model
Regresión por Mínimos Cuadrados Ordinarios (MCO)
Mínimos Cuadrados Ordinarios es el método clásico de regresión lineal que explica un resultado continuo como una combinación lineal de predictores. Estima los coeficientes minimizando la suma de los residuos al cuadrado y, bajo los supuestos de Gauss-Markov, estas estimaciones son el mejor estimador lineal insesgado (MELI).
Leer el método completo
Solo para miembros
Iniciar sesiónInicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
+141 más
Fuentes
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
Cómo citar esta página
ScholarGate. (2026, June 1). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/es/econometrics/ols-regression
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Regresión LassoAprendizaje automático↔ comparar
- Regresión LogísticaEstadística para la investigación↔ comparar
- Modelo de Efectos Fijos para Datos de PanelEconometría↔ comparar
- Regresión CuantílicaEconometría↔ comparar
- Regresión RidgeAprendizaje automático↔ comparar
Citado por
Regresión de mínimos cuadrados en dos etapas (2SLS / IV)Prueba ARCH-LM para la Agrupación de VolatilidadPrueba de fronteras ARDL (Prueba de fronteras de Pesaran)ARFIMA: Modelo ARMA de Integración FraccionariaModelo ARIMA (Autoregressive Integrated Moving Average)Estimador de Grupo Medio Aumentado (AMG)Regresión lineal bayesianaRegresión Lineal Múltiple BayesianaOLS bayesiano (Regresión Lineal Ordinaria bayesiana)Modelo Bayesiano de Efectos AleatoriosRegresión bayesianaRegresión Robusta BayesianaRegresión Lineal Simple BayesianaAutoregresión Vectorial Bayesiana (BVAR)Regresión BetaModelo de Cartera Black-LittermanBootstrap de Bloques (Bloque Móvil y Estacionario)Análisis del punto de quiebreContraste LM de Breusch-Godfrey para autocorrelación serialPrueba de Breusch-Pagan para HeterocedasticidadModelo de Valoración de Activos Financieros (CAPM)Algoritmos de descubrimiento causal (PC, FCI, LiNGAM)Análisis de Mediación Causal (Efectos Directos e Indirectos Naturales)Estimador de Efectos Comunes Correlacionados de Grupo Medio (CCEMG)Modelo de Equilibrio General Computable (EGC)Prueba de Chow para Ruptura EstructuralErrores estándar robustos a clústerÍndice de CondiciónAnálisis de procesos condicionales (mediación moderada)Predicción Conforme para Pronóstico de Series TemporalesMétodo de Croston para Demanda IntermitenteDiferencia en Diferencias (Diff-in-Diff)Diseño de Diferencias en DiscontinuidadesEstimación Doblemente Robusta (AIPW)Prueba de Durbin-Watson para AutocorrelaciónEstimador de Mínimos Cuadrados Ordinarios Dinámicos (DOLS)Regresión Elastic NetEstudio de eventos (CAR y BHAR)Modelo de riesgo multifactorial (Fama-French, APT)Vector Autorregresivo Aumentado por Factores (FAVAR)Modelo de efectos fijosModelo de panel de efectos fijosEstimador de Mínimos Cuadrados Totalmente Modificados (FMOLS)OLS de Fourier (Mínimos Cuadrados Ordinarios Aumentados con Fourier)WLS de Fourier (Mínimos Cuadrados Ponderados de Fourier)Regresión Gamma (GLM)Modelo GARCH (Predicción de Volatilidad)Modelo Lineal Generalizado (GLM)Regresión Geográficamente Ponderada (GWR)Modelo de Error Espacial Global (SEM)Estimación por el Método Generalizado de Momentos (GMM)Prueba de causalidad de GrangerModelo HAR-RV de Volatilidad RealizadaPrueba de especificación de Hausman (EF vs EA)Modelo de Selección Muestral de Heckman (Heckit / Tobit Tipo II)Errores Estándar Robustos ante Heterocedasticidad (HC)Modelo Lineal Jerárquico (HLM)Regresión de HuberModelo de barrera para datos de recuentoDiagnóstico de influencia (distancia de Cook, DFFITS, apalancamiento)Modelos de tipos de interés (Vasicek, CIR, Nelson-Siegel)Análisis de Series Temporales Interrumpidas (ITS)Remuestreo JackknifeInterpolación Espacial por KrigingRegresión por Mínima Mediana de los Cuadrados (LMS)Regresión por Mínimos Cuadrados Recortados (LTS)Modelos de Riesgo de Liquidez (Amihud, Roll, LOT)Modelos de memoria larga (ARFIMA, FIGARCH)Estimadores M (Regresión Robusta)Estimación por Desviación Absoluta Mediana (MAD)Modelo de cambio de régimen de Markov (MS-AR / MS-VAR)Regresión Geográficamente Ponderada Multiescala (MGWR)Estimación MM para Regresión RobustaAnálisis de Moderación (Interacción)Regresión logística multinomialRegresión Lineal Múltiple MultivarianteModelo de Retardos Distribuidos Autorregresivos No Lineales (NARDL)Regresión Binomial NegativaErrores estándar HAC de Newey-WestModelo de Retraso Distribuido Autorregresivo No Lineal (NARDL)MCO no lineal (Mínimos Cuadrados No Lineales)Mínimos Cuadrados Ponderados No Lineales (NWLS)Regresión Cuantílica (Variantes No Paramétricas)Regresión logística ordinal (Logit/Probit ordinal)Regresión logística ordinalRegresión logística ordinal (modelo de odds proporcionales)Pares de negociación (Arbitraje estadístico)Pruebas de cointegración de panel (Pedroni, Kao, Westerlund)Modelo de Efectos Fijos para Datos de PanelOLS de Panel (Mínimos Cuadrados Ordinarios Agrupados)Regresión Lineal Simple de PanelAutorregresión vectorial en panel (Panel VAR)Regresión de Poisson y Binomial NegativaRegresión polinómicaMínimos Cuadrados Ordinarios Agrupados para Datos de PanelFactores de Riesgo de Componentes PrincipalesModelo de Regresión ProbitProphetRegresión CuantílicaTest Ramsey RESET para la Forma FuncionalModelo de Efectos Aleatorios para Datos de PanelModelo de efectos aleatorios para datos de panelInferencia de Aleatorización Exacta de FisherRegresión RANSACModelo de cambio de régimen de Markov para series financierasDiseño de Regresión Discontinua (RDD)Diseño de Regresión Discontinua (RDD)Diseño de Regresión con Punto de Inflexión (RKD)ANOVA robusta (Welch y media recortada)Correlación Robusta (Spearman, Kendall y Biweight)Mínimos Cuadrados Generalizados Robustos (Robust GLS)Prueba Robusta de Especificación de HausmanRegresión logística robustaModelo lineal mixto robustoRegresión lineal múltiple robustaModelo de Autorregresión Distribuida No Lineal Robusta (Robust NARDL)OLS robusta (OLS con errores estándar robustos)Regresión Cuantílica RobustaRegresión RobustaRegresión lineal simple robustaAnálisis Robusto de Series TemporalesMínimos Cuadrados Ponderados Robustos (Robust WLS)Estimador S para Regresión RobustaRegresiones Aparentemente No Relacionadas (SUR)Modelo de Durbin Espacial (SDM)Modelo de Error Espacial (SEM)Modelo de Retardo Espacial (SAR / Autoregresivo Espacial)Modelo de datos de panel espacial (FE/RE)Regresión espacial (modelos de retardo espacial y de error espacial)Modelo Autorregresivo de Transición Suave (STAR)Análisis de Frontera Estocástica (SFA)OLS con Rupturas EstructuralesSystem GMM (Arellano-Bover / Blundell-Bond)Medidas de riesgo de cola (Expected Shortfall, Espectral, Expectil)Estimador de Theil-SenEl Método ThetaMínimos Cuadrados en Tres Etapas (3SLS)Regresión de UmbralMCOV con Parámetros Variables en el Tiempo (MCOV-PVT)Modelo de regresión censurada de TobitVariables Instrumentales mediante Mínimos Cuadrados en Dos Etapas (IV/2SLS)Contrastación de VaR (Value-at-Risk)Modelo de Vectores Autorregresivos (VAR)Factor de Inflación de la Varianza (VIF)Modelo de Corrección de Errores Vectorial (VECM)Regresión Robusta con Estimador W (Welsch / Tukey Bisquare)Prueba de White para la heterocedasticidadBootstrap salvaje para inferencia en regresión
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →