رگرسیون حداقل مربعات وزنی (WLS)
رگرسیون حداقل مربعات وزنی (Weighted Least Squares - WLS) تعمیمی از رگرسیون حداقل مربعات معمولی (Ordinary Least Squares - OLS) است که به هر مشاهده وزنی متناسب با معکوس واریانس خطای آن اختصاص میدهد، بنابراین نقاط داده با واریانس بالا را کماهمیت و نقاط دقیق را پراهمیت میسازد. WLS که در سال ۱۹۳۵ توسط الکساندر کریگ آیتکن در شکل ماتریسی کلی خود معرفی شد، راهحل استاندارد در هنگام وجود ناهمسانی واریانس (heteroscedasticity) است، به شرطی که ساختار واریانس خطا معلوم باشد یا بتوان آن را به طور قابل اعتماد تخمین زد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Weighted Least Squares Regression. ScholarGate. https://scholargate.app/fa/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.
- حداقل مربعات تعمیمیافته (GLS)آمار↔ compare
- حداقل مربعات معمولی (OLS)آمار↔ compare
- رگرسیون مقاومآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →