Régression par moindres carrés pondérés à paramètres variant dans le temps (TVP-WLS)
La régression par moindres carrés pondérés à paramètres variant dans le temps (TVP-WLS) est une technique de régression pour les données de séries temporelles dans laquelle les coefficients de pente et d'ordonnée à l'origine sont autorisés à changer au fil du temps, tandis que les observations sont pondérées pour tenir compte de l'hétéroscédasticité ou pour réduire l'importance des données éloignées. Elle combine la flexibilité de l'évolution des coefficients dans l'espace d'états avec la puissance de correction de variance des moindres carrés pondérés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
- Cooley, T. F., & Prescott, E. C. (1976). Estimation in the Presence of Stochastic Parameter Variation. Econometrica, 44(1), 167–184. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Time-Varying Parameter Weighted Least Squares. ScholarGate. https://scholargate.app/fr/econometrics/time-varying-parameter-wls
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Modèle d'espace d'états (Filtre de Kalman)Économétrie↔ comparer
- Moindres Carrés Pondérés (MCP)Statistique↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →