Uogólniona metoda najmniejszych kwadratów (Robust GLS)
Robust GLS rozszerza klasyczną uogólnioną metodę najmniejszych kwadratów (GLS) poprzez połączenie estymacji współczynników GLS ze standardowymi błędami odpornymi na heteroskedastyczność i autokorelację (HAC) lub poprzez zastosowanie M-estymacji w ramach GLS. Koryguje ona błędy niesferyczne — heteroskedastyczność, autokorelację lub oba te zjawiska — jednocześnie chroniąc wnioskowanie przed błędną specyfikacją struktury kowariancji błędu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Greene, W. H. (2012). Econometric Analysis (7th ed.). Pearson. Chapter 9: The Generalized Regression Model and Heteroscedasticity. ISBN: 978-0131395381
- White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, 48(4), 817-838. DOI: 10.2307/1912934 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/pl/econometrics/robust-gls
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.
- Metoda najmniejszych kwadratów uogólnionych (GLS)Statystyka↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
- Uogólniona metoda najmniejszych kwadratów dla danych panelowych (Panel GLS)Ekonometria↔ compare
- LPM (OLS z odpornymi estymatorami odchylenia standardowego)Ekonometria↔ compare
- Ważone Metody Najmniejszych Kwadratów (WLS)Statystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →