Regression model
Parastā mazāko kvadrātu (OLS) regresija
Parastā mazāko kvadrātu metode ir klasiskā lineārās regresijas metode, kas skaidro nepārtrauktu iznākumu kā prediktoru lineāru kombināciju. Tā novērtē koeficientus, minimizējot atlikumu kvadrātu summu, un saskaņā ar Gausa-Markova pieņēmumiem šie novērtējumi ir labākie lineārie neobjektīvie novērtētāji (BLUE).
Lasīt pilno metodes aprakstu
Tikai dalībniekiem
PieteiktiesPiesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+141 more
Avoti
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
Kā citēt šo lapu
ScholarGate. (2026, June 1). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/lv/econometrics/ols-regression
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.
- LASSO regresijaMašīnmācīšanās↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Fiksēto efektu paneļa datu modelisEkonometrija↔ compare
- Kvantīļu regresijaEkonometrija↔ compare
- Regulētā lineārā regresija (Ridge Regression)Mašīnmācīšanās↔ compare
Uz to atsaucas
Divpakāju mazāko kvadrātu (2SLS / IV) regresijaARCH-LM tests par atklātām heteroskedastiskuma kļūdāmARDL robežu tests (Pesaran robežu tests)ARFIMA: Daļēji integrēts ARMA modelisARIMA (autoregresīvais integrētais slīdošā vidējā) modelisAugmented Mean Group (AMG) novērtētājsBāziskā lineārā regresijaBayesas daudzkārtējā lineārā regresijaBaijesa OLS (Baijesa parastā mazāko kvadrātu regresija)Neibiešu nejaušo efektu modelisBeijesiskā regresijaBeijesiešu robusti regresijaBaijesa vienkāršā lineārā regresijaBajeziāņu vektorautoregresijas modelis (BVAR)Beta regresijaPortfolio modela "Black-Litterman"Bloku robusta (kustīgo bloku un stacionārais)Analīze par sabrukuma punktuBreuša-Godfrija LM tests seriālai korelācijaiBreusch-Pagan tests heteroskedasticitāteiKapitāla aktīvu cenas noteikšanas modelis (CAPM)Algoritmi cēloņsakarību atklāšanai (PC, FCI, LiNGAM)Kausālā mediācijas analīze (dabiski tiešie un netiešie efekti)Kopējo saistīto efektu vidējās grupas (CCEMG) novērtētājsAprēķināmā vispārējā līdzsvara (AVL) modelisČova tests strukturālām lūzuma vietāmStandartkļūdas, kas ir izturīgas pret klasteru ietekmiKondicionālais indekssKondicionālās procesa analīze (moderētā mediācija)Konformālā prognozēšana laika sēriju prognozēšanaiMetode Dž. Krostona nepārtrauktai pieprasījuma prognozēšanaiDiferenču starpībām (Diff-in-Diff)Diferenču diskontinuitātes dizainsDivkārši robusta novērtēšana (AIPW)Durbina-Votsona tests autokorelācijaiDOLS (Dynamic Ordinary Least Squares) novērtēšanas rīksRegresija ar elastīgo tīkluEvent StudyDaudzfaktoru riska modelis (Fama-French, APT)Faktoru papildinātais vektorautoregresijas modelis (FAVAR)Modelis ar fiksētajiem efektiemPaneļa modelis ar fiksētajiem efektiemPilnībā modificēts OLS (FMOLS) novērtētājsFurjē OLS (Furjē papildinātais parastais mazāko kvadrātu metodes)Furjē VLS (Furjē elastīgā svērto mazāko kvadrātu metode)Gamma regresija (GLM)GARCH modelis (volatilitātes prognozēšana)Vispārīgais lineārais modelis (GLM)Ģeogrāfiski svērtā regresija (GWR)Globālais telpiskās kļūdas modelis (SEM)Vispārinātā momentu metodes (GMM) novērtēšanaGrindžera koeficientu pārbaudeHAR-RV model of realized volatilityHausmana specifikācijas tests (FE vs RE)Heckmana parauga atlases modelis (Heckit / Tobit II tips)Heteroscedasticitātei izturīgi (HC) standartas kļūdasHierarhiskais lineārais modelis (HLM)Hjūbera regresijaŠķēršļu modelis skaitīšanas datiemIetekmes diagnostika (Kuka attālums, DFFITS, sviras efekts)Procentu likmes modeļi (Vasiceks, CIR, Nelsons-Sīgels)Pārtraukto laika sēriju (ITS) analīzeDžeknaifa atkārtotā izlases metodeKriginga telpiskā interpolācijaRegresija ar mazāko kvadrātisko mediānu (LMS)Mazākās apgrieztās kvadrātiskās kļūdas (LTS) regresijaModeļu "Liquidity Risk Models" (Amihud, Roll, LOT) saimeModeļi ar ilgu atmiņu (ARFIMA, FIGARCH)M-novērtēji (Robustā regresija)Median Absolute Deviation (MAD) novērtējumsMarkov režīmu pārslēgšanās modelis (MS-AR / MS-VAR)Daudzmērogo ģeogrāfiski svērto regresiju (MGWR)MM-EstimatorModerācijas (mijiedarbības) analīzeMultinomiālā loģistiskā regresijaDaudzvariāciju daudzkārtējā lineārā regresijaModelis ar nelineāru autoregresīvu sadalīto kavēšanos (NARDL)Negatīvā binomiālā regresijaNewey-West HAC standart kļūdasModelis Nardl (Nonlinear Autoregressive Distributed Lag Model)Nelineārā OLS (Nelineārā mazāko kvadrātu summa)Nelineārā svērtā mazāko kvadrātu metode (NWLS)Kvantīļu regresija (neparametriskās variācijas)Secvādā loģistikas regresija (secīgs logit/probit)Ordinālā loģistiskā regresijaOrdinālā loģistikās regresijas modelis (proporcionālo izredžu modelis)Tirdzniecība pārī (Statistiskā arbitraža)Paneļa kointegrācijas testi (Pedroni, Kao, Westerlund)Fiksēto efektu paneļa datu modelisPanel OLS (apvienotie parastie mazākie kvadrāti)Paneļu vienkāršā lineārā regresijaPanelu vektorautoregresijas (Panel VAR) modelisPuasona un negatīvās binomiālās regresijasPolinomu regresijaPooled OLSFaktoru riska analīze ar galvenajām komponentēmProbit regresijas modelisProphetKvantīļu regresijaRamsey RESET tests funkcionālajai formaiModelis ar nejaušiem efektiem panelīRandom Effects Panel ModelFisher Exact Randomization InferenceRANSAC regresijaMarkova režīmu pārslēgšanās modelis finanšu sērijāmDizains ar regresijas pārtraukumu (RDD)Regresijas atšķirības dizains (RDD)Regresijas lūzuma dizains (RKD)Robustā ANOVA (Velča un apgrieztais vidējais)Robustā korelācija (Spīrmena, Kendala un bivida)Robustā vispārīgā mazāko kvadrātu metode (Robust GLS)Robustā Hausmana specifikācijas pārbaudeRobustā loģistiskā regresijaRobustais lineārais jauktiešu modelisRobustā daudzkārtējā lineārā regresijaRobust NARDLRobustā OLS (OLS ar robustām standarta kļūdām)Robustā kvantiļu regresijaRobustā regresijaRobustā vienkāršā lineārā regresijaRobustas laika sēriju analīzeRobustais svērtais mazāko kvadrātu metode (Robust WLS)S-novērtētājs robustajai regresijaiŠķietami nesaistītas regresijas (SUR)Telpiskais Durbina modelis (SDM)Telpiskais kļūdu modelis (SEM)Telpiskās nobīdes modelis (SAR / Telpiskais autoregresīvais)Telpiskais paneļa datu modelis (FE/RE)Telpiskā regresija (telpiskā nobīdes un telpiskās kļūdas modeļi)Mūsdienu pārejas autoregresijas (STAR) modelisStohastiskās robežas analīze (SFA)OLS ar strukturālu pārtraukumuSystem GMM (Arellano-Bover / Blundell-Bond)Riska mēri astē (paredzamais trūkums, spektrālie, ekspektiles)Teila-Senas novērtētājsTētas metodeTrīspakāpju mazāko kvadrātu metode (3SLS)Regresija ar slieksniParastā mazāko kvadrātu metodes (OLS) parametri laika gaitā (TVP-OLS)Tobita cenzētās regresijas modelisInstrumentālās mainīgās, izmantojot divpakāpju mazāko kvadrātu metodi (IV/2SLS)Atvērtības pievienotās vērtības (VaR) atpakaļtestēšanaVektora autoregresijas (VAR) modelisVariācijas inflācijas faktors (VIF)Vektora kļūdu labojuma modelis (VECM)Robustās regresijas W-novērtētājs (Velsa / Tukija divkvadrāts)Baltā tests heteroskedasticitāteiSavvaļas bootstrap regresijas inferencē
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →