Moindres Carrés Généralisés (MCG)
Les Moindres Carrés Généralisés (MCG) sont un estimateur de régression linéaire qui étend la méthode des moindres carrés ordinaires (MCO) pour gérer les situations où les termes d'erreur sont corrélés ou ont une variance non constante (hétéroscédasticité). Introduits par Alexander Craig Aitken en 1935, les MCG obtiennent le Meilleur Estimateur Linéaire Sans Biais (BLUE) sous une structure de covariance d'erreur générale en pondérant les observations selon leur précision, établissant un pont théorique entre les MCO et les modèles mixtes linéaires modernes.
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.
+2 de plus
Sources
- Aitken, A. C. (1935). IV.—On least squares and linear combination of observations. Proceedings of the Royal Society of Edinburgh, 55, 42–48. DOI: 10.1017/S0370164600014346 ↗
- Greene, W. H. (2003). Econometric Analysis (5th ed.). Prentice Hall. ISBN: 978-0131108493
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press. ISBN: 978-0262232586
Comment citer cette page
ScholarGate. (2026, June 3). Generalized Least Squares Estimator. ScholarGate. https://scholargate.app/fr/statistics/generalized-least-squares
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.
- Régression par Moindres Carrés en Deux Étapes (MC2E / VI)Économétrie↔ comparer
- Moindres Carrés Ordinaires (MCO)Statistique↔ comparer
- Moindres Carrés Pondérés (MCP)Statistique↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →