Mínimos Cuadrados Generalizados (GLS)
Los Mínimos Cuadrados Generalizados (GLS) son un estimador de regresión lineal que extiende los Mínimos Cuadrados Ordinarios (OLS) para manejar situaciones donde los términos de error están correlacionados o tienen varianza no constante (heterocedasticidad). Introducido por Alexander Craig Aitken en 1935, el GLS logra el Mejor Estimador Lineal Insesgado (BLUE) bajo una estructura de covarianza de error general al ponderar las observaciones según su precisión, proporcionando un puente teórico entre OLS y los modelos lineales mixtos modernos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
+2 más
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Generalized Least Squares Estimator. ScholarGate. https://scholargate.app/es/statistics/generalized-least-squares
¿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 de mínimos cuadrados en dos etapas (2SLS / IV)Econometría↔ comparar
- Mínimos Cuadrados Ordinarios (MCO)Estadística↔ comparar
- Mínimos Cuadrados Ponderados (WLS)Estadística↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →