Moindres Carrés Pondérés Non Linéaires (MCPNL)
Les Moindres Carrés Pondérés Non Linéaires (MCPNL) combinent la flexibilité de la régression non linéaire avec la capacité de stabilisation de la variance des pondérations au niveau de l'observation. Cette méthode minimise une somme pondérée des résidus au carré autour d'une fonction moyenne non linéaire spécifiée par l'utilisateur, ce qui en fait le choix privilégié lorsque la relation est intrinsèquement non linéaire et que la variance de l'erreur diffère entre les observations.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson Education. ISBN: 978-0134461366
- Bates, D. M., & Watts, D. G. (1988). Nonlinear Regression Analysis and Its Applications. John Wiley & Sons. ISBN: 978-0471816430
Comment citer cette page
ScholarGate. (2026, June 3). Nonlinear Weighted Least Squares. ScholarGate. https://scholargate.app/fr/econometrics/nonlinear-wls
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.
- Moindres Carrés Généralisés (MCG)Statistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Moindres Carrés Pondérés (MCP)Statistique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →