Regression model
رگرسیون حداقل مربعات معمولی (OLS)
حداقل مربعات معمولی (OLS) روش کلاسیک رگرسیون خطی است که یک پیامد پیوسته را به عنوان ترکیبی خطی از پیشبینیکنندهها توضیح میدهد. این روش ضرایب را با کمینهسازی مجموع مربعات باقیماندهها تخمین میزند و تحت مفروضات گاوس-مارکوف، این تخمینها بهترین برآوردگر خطی نااریب (BLUE) هستند.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
+141 مورد دیگر
منابع
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/fa/econometrics/ols-regression
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- رگرسیون لسویادگیری ماشین↔ مقایسه
- رگرسیون لجستیکآمار پژوهش↔ مقایسه
- مدل اثرات ثابت دادههای پانلاقتصادسنجی↔ مقایسه
- رگرسیون کوانتایلاقتصادسنجی↔ مقایسه
- رگرسیون ریج (Ridge Regression)یادگیری ماشین↔ مقایسه
ارجاعشده در
رگرسیون حداقل مربعات دو مرحلهای (2SLS / IV)آزمون ARCH-LM برای خوشهبندی نوساناتآزمون حدود ARDL (آزمون حدود پزاران)مدل ARMA با انتگرالگیری کسری (ARFIMA)مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)تخمینگر میانگین گروه افزوده (AMG)رگرسیون خطی بیزیرگرسیون خطی چندگانه بیزی (Bayesian Multiple Linear Regression)رگرسیون حداقل مربعات معمولی بیزی (OLS بیزی)مدل اثرات تصادفی بیزیرگرسیون بیزیرگرسیون مقاوم بیزیرگرسیون خطی ساده بیزیمدل خودرگرسیون برداری بیزی (BVAR)رگرسیون بتامدل پرتفوی بلک-لیترمنبস্পতি بوت استرپ (بلوک متحرک و ایستای)تحلیل نقطه شکستآزمون ضریب لاگرانژ (LM) برِيش-گادفری برای همبستگی سریالیآزمون بروش-پاگان برای ناهمسانی واریانسمدل قیمتگذاری داراییهای سرمایهای (CAPM)الگوریتمهای کشف علّی (PC, FCI, LiNGAM)تحلیل میانجیگری سببی (اثرات مستقیم و غیرمستقیم طبیعی)تخمینگر میانگین گروه اثرات مشترک همبسته (CCEMG)مدل تعادل عمومی قابل محاسبه (CGE)آزمون چاو برای گسست سازهایخطاهای استاندارد خوشه-مقاومشاخص شرطتحلیل فرایند شرطی (میانجیگری تعدیلشده)پیشبینی انطباقی برای پیشبینی سریهای زمانیروش کراستون برای تقاضای متناوبروش تفاوت در تفاوت (Diff-in-Diff)طرح ناپیوستگی تفاضلیبرآورد دوگانه استوار (AIPW)آزمون دوربین-واتسون برای خودهمبستگیتخمینگر حداقل مربعات معمولی پویا (DOLS)رگرسیون الاستیک نت (Elastic Net Regression)مطالعه رویداد (CAR و BHAR)مدل ریسک چندعاملی (فاما-فرنچ، APT)مدل خودرگرسیون برداری عامل-افزوده (FAVAR)مدل اثرات ثابتمدل اثرات ثابت پنلتخمینگر OLS کاملاً تعدیلشده (FMOLS)رگرسیون فوریه (رگرسیون حداقل مربعات معمولی افزوده شده با فوریه)Fourier WLS (Fourier Flexible Weighted Least Squares)رگرسیون گاما (GLM)مدل GARCH (پیشبینی نوسانات)مدل خطی تعمیمیافته (GLM)رگرسیون وزنی جغرافیایی (GWR)مدل خطای فضایی سراسری (SEM)برآورد با تعمیم روش گشتاورها (GMM)آزمون علیت گرنجرمدل HAR-RV نوسانات تحققیافتهآزمون مشخصه هاوسمن (اثرات ثابت در مقابل اثرات تصادفی)مدل انتخاب نمونه هکمن (Heckit / Tobit Type II)خطاهای استاندارد مقاوم به ناهمسانی واریانس (HC)مدل خطی سلسله مراتبی (HLM)رگرسیون هیوبرمدل مانع برای دادههای شمارشیتشخیصهای نفوذ (فاصله کوک، DFFITS، اهرم)مدلهای نرخ بهره (Vasicek, CIR, Nelson-Siegel)تحلیل سری زمانی مقطعدار (ITS)بازنمونهگیری جکنایفدرونیابی فضایی کرینگرگرسیون کمترین میانه توان دوم (LMS)رگرسیون حداقل مربعات هرسشده (LTS)مدلهای ریسک نقدینگی (Amihud, Roll, LOT)مدلهای حافظه بلندمدت (ARFIMA, FIGARCH)تخمینگرهای M (رگرسیون مقاوم)برآورد انحراف مطلق میانه (MAD)مدل رژیم-سوئیچینگ مارکوف (MS-AR / MS-VAR)رگرسیون جغرافیایی وزنی چندمقیاسی (MGWR)برآوردگر MM برای رگرسیون استوارتحلیل تعدیل (تعامل)رگرسیون لجستیک چندجملهای (Multinomial Logistic Regression)رگرسیون چندمتغیره خطی چندگانهمدل خودرگرسیونی تأخیر توزیع غیرخطی (NARDL)رگرسیون دوجملهای منفیخطاهای استاندارد HAC نیوی-وستمدل خودرگرسیونی غیرخطی با وقفه توزیعشده (NARDL)OLS غیرخطی (کمترین مربعات غیرخطی)کمترین مربعات وزنی غیرخطی (NWLS)رگرسیون کوانتایل (انواع ناپارامتری)رگرسیون لجستیک ترتیبی (Ordered Logit/Probit)رگرسیون لجستیک ترتیبیرگرسیون لجستیک ترتیبی (مدل شانس متناسب)معامله جفتی (آربیتراژ آماری)آزمونهای همانباشتگی پانل (پدرونی، کائو، وسترلوند)مدل اثرات ثابت دادههای پانلOLS پنل (حداقل مربعات معمولی تجمعی)رگرسیون خطی ساده پنلمدل خودرگرسیونی برداری پانل (Panel VAR)رگرسیون پواسون و دوجملهای منفیرگرسیون چندجملهایحداقل مربعات معمولی تجمیع شده برای دادههای پانلعوامل ریسک مولفههای اصلیمدل رگرسیون پروبیتProphetرگرسیون کوانتایلآزمون Ramsey RESET برای فرم تابعیمدل اثرات تصادفی دادههای پنلمدل اثرات تصادفی پنلاستنتاج تصادفی فیشر (Fisher Exact Randomization Inference)رگرسیون رنسکمدل مارکوف رژیم-سوئیچینگ برای سریهای مالیطرح گسستگی رگرسیون (RDD)طرح ناپیوستگی رگرسیون (RDD)طراحی گسستگی رگرسیون (RKD)ANOVAی ناپارامتریک (میانگین ناپارامتریک ولش و میانگین هرسشده)همبستگی مقاوم (اسپیرمن، کندال و بایویت)حداقل مربعات تعمیمیافته مقاوم (Robust GLS)آزمون سازگاری هاوسمن مقاومرگرسیون لجستیک مقاوممدل خطی مختلط مقاومرگرسیون خطی چندگانه مقاوممدل خودرگرسیون غیرخطی توزیعشده با تأخیر قوی (Robust NARDL)OLS مقاوم (خطاهای استاندارد OLS با خطاهای استاندارد مقاوم)رگرسیون چندک قوی (Robust Quantile Regression)رگرسیون مقاومرگرسیون خطی ساده مقاومتحلیل سری زمانی مقاومکمتوانترین کمترین مربعات وزنی (Robust WLS)برآوردگر S برای رگرسیون استواررگرسیونهای ظاهراً نامرتبط (SUR)مدل دوربین فضایی (SDM)مدل خطای فضایی (SEM)مدل وقفه فضایی (SAR / خودرگرسیون فضایی)مدل دادههای پانل فضایی (اثرات ثابت/تصادفی)رگرسیون فضایی (مدلهای وقفه فضایی و خطای فضایی)مدل خودرگرسیون انتقال هموار (STAR)تحلیل مرز تصادفی (SFA)Structural Break OLSGMM سیستمی (آرلانو-بوور / بلاندل-باند)معیارهای ریسک دنباله (کسری مورد انتظار، طیفی، انتظار)تخمینگر تیل-سنروش تتاحداقل مربعات سه مرحلهای (3SLS)رگرسیون آستانهایرگرسیون حداقل مربعات معمولی با پارامترهای متغیر در طول زمان (TVP-OLS)مدل رگرسیون سرکوبشده توبیتمتغیرهای ابزاری از طریق حداقل مربعات دو مرحلهای (IV/2SLS)آزمون پشتیبان ارزش در معرض ریسک (VaR)مدل خودرگرسیون برداری (VAR)ضریب تورم واریانس (VIF)مدل تصحیح خطای برداری (VECM)تخمینگر W: رگرسیون مقاوم (وزنهای ولش / توکی بایاسکوئر)آزمون وایت برای ناهمسانی واریانسبوت استرپ وحشی برای استنتاج رگرسیون
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →