Regression model

Moindres Carrés Ordinaires (MCO)

La méthode des moindres carrés ordinaires (MCO) est la méthode canonique pour estimer les paramètres d'un modèle de régression linéaire en minimisant la somme des carrés des différences entre les valeurs observées et prédites. Publiée pour la première fois par Adrien-Marie Legendre en 1805 et développée indépendamment par Carl Friedrich Gauss (qui revendiquait la priorité depuis 1795), la méthode MCO est prouvée optimale selon le théorème de Gauss-Markov : sous ses hypothèses, elle fournit le Meilleur Estimateur Linéaire Sans Biais (BLUE) des coefficients de régression.

Appliquer avec StatMindBientôtVidéoBientôtDownload 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. Legendre, A.-M. (1805). Nouvelles méthodes pour la détermination des orbites des comètes. Firmin Didot, Paris. [Appendix: Sur la Méthode des moindres quarrés, pp. 72–80.] link
  2. Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Perthes & Besser, Hamburg. link
  3. Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
  4. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson. ISBN: 978-0134461366

Comment citer cette page

ScholarGate. (2026, June 3). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/fr/statistics/ordinary-least-squares

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

Référencée par

ScholarGateOrdinary Least Squares (Ordinary Least Squares Regression). Consulté le 2026-06-15 sur https://scholargate.app/fr/statistics/ordinary-least-squares · Jeu de données : https://doi.org/10.5281/zenodo.20539026