Regression model
최소제곱법 (Ordinary Least Squares, OLS)
최소제곱법(Ordinary Least Squares, OLS)은 관측값과 예측값 간의 차이 제곱의 합을 최소화함으로써 선형 회귀 모형의 모수를 추정하는 표준적인 방법이다. 1805년 Adrien-Marie Legendre에 의해 처음 출판되었고, Carl Friedrich Gauss(1795년부터 우선권을 주장함)에 의해 독립적으로 개발된 OLS는 가우스-마르코프 정리 하에서 최적임이 증명되었다. 즉, 가정 하에서 회귀 계수의 최량 선형 불편 추정량(Best Linear Unbiased Estimator, BLUE)을 산출한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
- Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Perthes & Besser, Hamburg. link ↗
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
- Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson. ISBN: 978-0134461366
이 페이지 인용 방법
ScholarGate. (2026, June 3). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/ko/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.
- 일반화 최소제곱법 (GLS)통계학↔ compare
- 인과 추론을 위한 도구 변수(IV) 방법보건경제학↔ compare
- 라쏘 회귀머신러닝↔ compare
- 다중 선형 회귀통계학↔ compare
- 릿지 회귀(Ridge Regression)머신러닝↔ compare
- Robust Regression통계학↔ compare
- 단순 선형 회귀통계학↔ compare
- 가중 최소 제곱법 (Weighted Least Squares, WLS)통계학↔ compare