Regression modelEconometrics / time series

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.

Appliquer avec EconMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson Education. ISBN: 978-0134461366
  2. 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.

Compare side by side
ScholarGateNonlinear WLS (Nonlinear Weighted Least Squares). Consulté le 2026-06-15 sur https://scholargate.app/fr/econometrics/nonlinear-wls · Jeu de données : https://doi.org/10.5281/zenodo.20539026