Minimi Quadrati Generalizzati (GLS)
I Minimi Quadrati Generalizzati (GLS) sono un estimatore di regressione lineare che estende i minimi quadrati ordinari (OLS) per gestire situazioni in cui i termini di errore sono correlati o hanno varianza non costante (eteroschedasticità). Introdotti da Alexander Craig Aitken nel 1935, i GLS raggiungono il Miglior Stimatore Lineare non distorto (BLUE) in una struttura di covarianza generale degli errori, ponderando le osservazioni in base alla loro precisione, fornendo un ponte teorico tra OLS e i moderni modelli lineari misti.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Generalized Least Squares Estimator. ScholarGate. https://scholargate.app/it/statistics/generalized-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.
- Regressioni con Minimi Quadrati a Due Stadi (2SLS / IV)Econometria↔ compare
- Minimi Quadrati Ordinari (OLS)Statistica↔ compare
- Minimi Quadrati Pesati (WLS)Statistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →