Moindres Carrés Pondérés (MCP)
Les moindres carrés pondérés (MCP) sont une généralisation de la régression par les moindres carrés ordinaires (MCO) qui attribue à chaque observation un poids inversement proportionnel à la variance de son erreur, réduisant ainsi le poids des points de données à variance élevée et augmentant celui des points précis. Introduits sous leur forme matricielle générale par Alexander Craig Aitken en 1935, les MCP constituent le remède canonique en présence d'hétéroscédasticité lorsque la structure de variance des erreurs est connue ou peut être estimée de manière fiable.
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.
+5 more
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. (2012). Econometric Analysis (7th ed.). Pearson Education. ISBN: 978-0131395381
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis (5th ed.). Wiley. ISBN: 978-0470542811
Comment citer cette page
ScholarGate. (2026, June 3). Weighted Least Squares Regression. ScholarGate. https://scholargate.app/fr/statistics/weighted-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.
- Moindres Carrés Généralisés (MCG)Statistique↔ compare
- Moindres Carrés Ordinaires (MCO)Statistique↔ compare
- Régression RobusteStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →