Robust Generalized Least Squares (Robust GLS)
O Robust GLS estende o Generalized Least Squares (GLS) clássico ao emparelhar a estimação de coeficientes do GLS com erros padrão consistentes com heteroscedasticidade e autocorrelação (HAC), ou ao usar M-estimação dentro do framework GLS. Ele corrige erros não esféricos — heteroscedasticidade, autocorrelação, ou ambos — ao mesmo tempo que protege a inferência contra a má especificação da estrutura de covariância do erro.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/pt/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.
- Mínimos Quadrados Generalizados (MQG)Estatística↔ compare
- Regressão por Mínimos Quadrados Ordinários (MQO)Econometria↔ compare
- Mínimos Quadrados Generalizados em Painel (Panel GLS)Econometria↔ compare
- OLS Robusto (OLS com Erros Padrão Robustos)Econometria↔ compare
- Mínimos Quadrados Ponderados (WLS)Estatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →