Regression model
Régression par Moindres Carrés Ordinaires (MCO)
Les moindres carrés ordinaires sont la méthode classique de régression linéaire qui explique un résultat continu comme une combinaison linéaire de prédicteurs. Elle estime les coefficients en minimisant la somme des carrés des résidus, et sous les hypothèses de Gauss-Markov, ces estimations sont le meilleur estimateur linéaire sans biais (BLUE).
Lire la méthode complète
Réservé aux membres
Se connecterConnectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+141 more
Sources
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
Comment citer cette page
ScholarGate. (2026, June 1). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/fr/econometrics/ols-regression
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.
- Régression LassoApprentissage automatique↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Modèle à effets fixes pour données de panelÉconométrie↔ compare
- Régression quantileÉconométrie↔ compare
- Régression RidgeApprentissage automatique↔ compare
Référencée par
Régression par Moindres Carrés en Deux Étapes (MC2E / VI)Test ARCH-LM pour le regroupement de la volatilitéTest des bornes ARDL (Test des bornes de Pesaran)ARFIMA : Modèle ARMA à intégration fractionnaireModèle ARIMA (Autoregressive Integrated Moving Average)Estimateur Augmenté du Groupe Moyen (AMG)Régression linéaire bayésienneRégression linéaire multiple bayésienneRégression bayésienne des moindres carrés ordinaires (Bayesian OLS)Modèle bayésien à effets aléatoiresRégression bayésienneRégression Robuste BayésienneRégression linéaire simple bayésienneAutoregression vectorielle bayésienne (BVAR)Régression bêtaModèle de Portefeuille Black-LittermanBootstrap par blocs (blocs mobiles et stationnaires)Analyse du point de ruptureTest de Breusch-Godfrey pour la Corrélation SérielleTest de Breusch-Pagan pour l'hétéroscédasticitéModèle d'évaluation des actifs financiers (MEDAF) (CAPM)Algorithmes de découverte causale (PC, FCI, LiNGAM)Analyse causale de médiation (effets directs et indirects naturels)Estimateur des Effets Communs Corrélés du Groupe Moyen (CCEMG)Modèle d'Équilibre Général Calculable (EGC)Test de Chow pour la rupture structurelleErreurs-types robustes aux clustersIndice de ConditionAnalyse des processus conditionnels (médiation modérée)Conformal Prediction pour la prévision de séries temporellesMéthode de Croston pour la demande intermittenteDifférence-en-différences (Diff-in-Diff)Design par Différence de DiscontinuitésEstimation doublement robuste (AIPW)Test de Durbin-Watson pour l'autocorrélationEstimateur par Moindres Carrés Ordinaires Dynamiques (DOLS)Régression Elastic NetL'étude d'événement (CAR et BHAR)Modèle de risque multifactoriel (Fama-French, APT)Autorégression vectorielle augmentée par des facteurs (FAVAR)Modèle à effets fixesModèle de panel à effets fixesEstimateur FMOLS (Fully Modified OLS)MCO de Fourier (Moindres Carrés Ordinaires augmentés de termes de Fourier)WLS de Fourier (Weighted Least Squares Flexible de Fourier)Régression Gamma (MGL)Modèle GARCH (Prévision de la volatilité)Modèle Linéaire Généralisé (GLM)Régression Pondérée Géographiquement (GWR)Global Spatial Error ModelEstimation par la méthode généralisée des moments (GMM)Test de causalité de GrangerModèle HAR-RV de la volatilité réaliséeTest de spécification de Hausman (FE vs RE)Modèle de sélection de Heckman (Heckit / Tobit Type II)Erreurs-types robustes à l'hétéroscédasticité (HC)Modèle Linéaire Hiérarchique (HLM)Régression de HuberModèle à seuil pour données de comptageDiagnostics d'influence (Distance de Cook, DFFITS, Effet de levier)Modèles de taux d'intérêt (Vasicek, CIR, Nelson-Siegel)Analyse de séries chronologiques interrompues (ITS)Rééchantillonnage par jackknifeInterpolation spatiale par krigeageRégression par Moindres Médianes des Carrés (LMS)Régression par Moindres Carrés Trimés (LTS)Modèles de risque de liquidité (Amihud, Roll, LOT)Modèles à mémoire longue (ARFIMA, FIGARCH)M-estimateurs (Régression Robuste)Estimation par écart absolu médian (MAD)Modèle à changement de régime markovien (MS-AR / MS-VAR)Régression pondérée géographiquement multi-échelle (MGWR)Estimation MM pour la régression robusteAnalyse de modération (interaction)Régression logistique multinomialeRégression linéaire multiple multivariéeModèle autorégressif à retards échelonnés non linéaire (NARDL)Régression binomiale négativeNewey-West HACModèle autorégressif non linéaire à retards distribués (NARDL)Moindres carrés ordinaires non linéaires (MCO non linéaires)Moindres Carrés Pondérés Non Linéaires (MCPNL)Régression quantile (variantes non paramétriques)Régression logistique ordonnée (Logit/Probit ordonné)Régression logistique ordinaleRégression logistique ordinale (modèle des cotes proportionnelles)Trading de paires (arbitrage statistique)Tests de cointégration de panel (Pedroni, Kao, Westerlund)Modèle à effets fixes pour données de panelMoindres carrés ordinaires sur données de panel (Pooled OLS)Régression linéaire simple sur données de panelAutorégression Vectorielle sur Données de Panel (Panel VAR)Régression de Poisson et binomiale négativeRégression polynomialeMoindres Carrés Ordinaires groupés pour données de panelFacteurs de Risque par Composantes PrincipalesModèle de régression probitProphetRégression quantileLe test RESET de Ramsey pour la forme fonctionnelleModèle à effets aléatoires pour données de panelModèle à effets aléatoires pour données de panelInférence de randomisation exacte de FisherRANSAC RegressionModèle Markovien à Changement de Régime pour Séries FinancièresLa régression par discontinuité (RDD)Régression par discontinuité (RDD)La conception à point d'inflexion de régression (Regression Kink Design - RKD)ANOVA robuste (moyenne tronquée de Welch)Corrélation Robuste (Spearman, Kendall et Biweight)Moindres Carrés Généralisés Robustes (MCG Robustes)Test de spécification de Hausman robusteRégression logistique robusteModèle linéaire mixte robusteRégression linéaire multiple robusteRobust NARDLOLS robuste (OLS avec erreurs-types robustes)Régression quantile robusteRégression RobusteRégression linéaire simple robusteAnalyse robuste de séries chronologiquesMoindres Carrés Pondérés Robustes (Robust WLS)Estimateur S pour la régression robusteRégression apparemment non liée (SUR)Modèle de Durbin spatial (SDM)Modèle d'erreur spatiale (SEM)Modèle de retard spatial (SAR / Autoregressive Spatial)Modèle de données de panel spatial (effets fixes/aléatoires)Régression spatiale (modèles de retard spatial et d'erreur spatiale)Modèle autorégressif à transition lisse (STAR)Analyse de la Frontière Stochastique (SFA)OLS avec rupture structurelleGMM de système (Arellano-Bover / Blundell-Bond)Mesures de risque de la queue (Expected Shortfall, spectrales, expectiles)Estimateur de Theil-SenLa méthode ThetaMoindres Carrés en Trois Étapes (MCTE)Régression à seuilMoindres Carrés Ordinaires à Paramètres Variables dans le Temps (MCO-PVT)Modèle de régression censurée de TobitVariables instrumentales par moindres carrés en deux étapes (VI/2SLS)Rétrovalidation de la Valeur à Risque (VaR)Modèle de Vector Autoregression (VAR)Facteur d'inflation de la variance (VIF)Modèle à Correction d'Erreur Vectorielle (VECM)Régression robuste par estimateur W (biscarre de Tukey / Welsch)Test de White pour l'hétéroscédasticitéBootstrap sauvage pour l'inférence de régression
Une erreur sur cette page ? Signalez-la ou proposez une correction →