Moindres Carrés Généralisés Robustes (MCG Robustes)
Les MCG robustes étendent les moindres carrés généralisés (MCG) classiques en associant l'estimation des coefficients des MCG à des erreurs standard cohérentes avec l'hétéroscédasticité et l'autocorrélation (HAC), ou en utilisant la M-estimation dans le cadre des MCG. Ils corrigent les erreurs non sphériques — hétéroscédasticité, autocorrélation, ou les deux — tout en protégeant l'inférence contre la mauvaise spécification de la structure de covariance des erreurs.
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. (2012). Econometric Analysis (7th ed.). Pearson. Chapter 9: The Generalized Regression Model and Heteroscedasticity. ISBN: 978-0131395381
- White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, 48(4), 817-838. DOI: 10.2307/1912934 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/fr/econometrics/robust-gls
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 Généralisés sur Panneaux (MCG Panneau)Économétrie↔ compare
- OLS robuste (OLS avec erreurs-types robustes)Économétrie↔ compare
- Moindres Carrés Pondérés (MCP)Statistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →