Regression model
Регрессия методом обыкновенных наименьших квадратов (ОНМК)
Обыкновенные наименьшие квадраты (ОНМК) — это классический метод линейной регрессии, который объясняет непрерывный результат как линейную комбинацию предикторов. Он оценивает коэффициенты путем минимизации суммы квадратов остатков, и при выполнении предпосылок Гаусса — Маркова эти оценки являются наилучшими линейными несмещенными оценками (НЛНO).
Читать метод полностью
Только для участников
ВойтиВойдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+141 more
Источники
- Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
Как цитировать эту страницу
ScholarGate. (2026, June 1). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/ru/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.
- Регрессия ЛассоМашинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Модель с фиксированными эффектами для панельных данныхЭконометрика↔ compare
- Квантильная регрессияЭконометрика↔ compare
- Гребневая регрессияМашинное обучение↔ compare
Упоминается в
Регрессия методом наименьших квадратов в два этапа (2SLS / IV)Тест ARCH-LM на кластеризацию волатильностиТест границ ARDL (Pesaran Bounds Test)ARFIMA: Модель дробно-интегрированного ARMAМодель ARIMA (авторегрессионная интегрированная скользящая средняя)Оценщик Augmented Mean Group (AMG)Байесовская линейная регрессияБайесовская множественная линейная регрессияБайесовский МНК (Байесовская линейная регрессия методом наименьших квадратов)Байесовская модель случайных эффектовБайесовская регрессияБайесовская робастная регрессияБайесовская простая линейная регрессияБайесовская векторная авторегрессия (BVAR)Бета-регрессияМодель портфеля Блэка-ЛиттерманаБлочная бутстрэп-выборка (скользящий блок и стационарная)Анализ точки разрываТест Бре́шаТест Бройша-Пагана на гетероскедастичностьМодель ценообразования активов (CAPM)Алгоритмы каузального обнаружения (PC, FCI, LiNGAM)Causal Mediation AnalysisОценщик с усреднением по группам при общих коррелированных эффектах (CCEMG)Модель исчислимого общего равновесия (CGE)Тест Чау на структурный сдвигСтандартные ошибки, робастные к кластеризацииCondition IndexУсловный процессный анализ (модерируемая медиация)Конформное прогнозирование для временных рядовМетод Кростона для прерывистого спросаРазность разностей (Difference-in-Differences, DiD)Дизайн разности разностей (Difference-in-Discontinuities Design)Двухробастное оценивание (AIPW)Тест ДарбинаОценка методом динамического обыкновенного наименьших квадратов (DOLS)Регрессия Elastic NetСобытийный анализ (CAR и BHAR)Многофакторная модель риска (Fama-French, APT)Векторная авторегрессия с добавлением факторов (FAVAR)Модель с фиксированными эффектамиМодель панельных данных с фиксированными эффектамиОценка методом полностью модифицированных наименьших квадратов (FMOLS)Фурье OLS (OLS, дополненное рядами Фурье)Fourier WLS (Фурье-Взвешенные Наименьшие Квадраты)Гамма-регрессия (Обобщенная линейная модель)Модель GARCH (прогнозирование волатильности)Обобщенная линейная модель (GLM)Регрессия с географически взвешенными коэффициентами (GWR)Глобальная пространственная модель ошибок (SEM)Обобщенный метод моментов (GMM)Тест причинности по ГрейнджеруМодель HAR-RV реализованной волатильностиТест спецификации Хаусмана (FE vs RE)Модель отбора Хекмана (Heckit / Tobit Type II)Стандартные ошибки, робастные к гетероскедастичности (HC)Иерархическая линейная модель (HLM)Регрессия ХубераМодель барьера для счетных данныхДиагностика влияния (расстояние Кука, DFFITS, плечо)Модели процентных ставок (Васичек, CIR, Нельсон-Сигел)Анализ прерванных временных рядов (Interrupted Time Series, ITS)Метод складного ножа (Jackknife Resampling)Кригинг-интерполяция пространственных данныхРегрессия по методу наименьших медиан квадратов (LMS)Регрессия по методу наименьших усеченных квадратов (LTS)Модели риска ликвидности (Amihud, Roll, LOT)Модели долгой памяти (ARFIMA, FIGARCH)M-оценки (робастная регрессия)Оценка на основе медианного абсолютного отклонения (MAD)Модель Марковских переключений режимов (MS-AR / MS-VAR)Мультимасштабный геопространственно взвешенный регрессионный анализ (MGWR)MM-оценка для робастной регрессииАнализ модерации (взаимодействия)Мультиномиальная логистическая регрессияМножественная множественная регрессияНелинейная авторегрессионная модель с распределенным лагом (NARDL)Регрессия отрицательного биномиального распределенияСтандартные ошибки HAC по Ньюи-УэстуМодель нелинейной авторегрессии с распределенным лагом (NARDL)Нелинейный МНК (Нелинейный метод наименьших квадратов)Нелинейные взвешенные наименьшие квадраты (NWLS)Квантильная регрессия (непараметрические варианты)Упорядоченная логистическая регрессия (Ordered Logit/Probit)Ординальная логистическая регрессияУпорядоченная логистическая регрессия (модель пропорциональных шансов)Парный трейдинг (статистический арбитраж)Тесты на коинтеграцию в панельных данных (Педрони, Као, Вестерлунд)Модель с фиксированными эффектами для панельных данныхПанельный МНК (объединенный метод наименьших квадратов)Простая линейная регрессия на панельных данныхПанельная векторная авторегрессия (Panel VAR)Пуассоновская регрессия и регрессия с отрицательным биномиальным распределениемПолиномиальная регрессияОбычный метод наименьших квадратов для панельных данных (Pooled OLS)Факторы риска главных компонентПробит-модель регрессииПророкКвантильная регрессияТест Рамсея RESET для функциональной формыМодель случайных эффектов для панельных данныхМодель случайных эффектов для панельных данныхТочная рандомизационная инференция ФишераRANSAC-регрессияМодель Марковских переключений режимов для финансовых временных рядовРегрессионный разрывный дизайн (RDD)Регрессионный разрывный дизайн (RDD)Регрессионный дизайн с изломом (RKD)Робастная ANOVA (статистика Уэлча и усечённое среднее)Робастная корреляция (Спирмен, Кендалл и Бивейт)Робастный обобщенный метод наименьших квадратов (Robust GLS)Робастный тест Хаусмана на спецификациюРобастная логистическая регрессияРобастная линейная смешанная модельРобастная множественная линейная регрессияРобастная модель авторегрессии с распределенными лагами (Robust NARDL)МНК с робастными стандартными ошибкамиУстойчивая квантильная регрессияРобастная регрессияРобастное простое линейное регрессионное моделированиеРобастный анализ временных рядовРобастный взвешенный метод наименьших квадратов (Robust WLS)S-оценка для робастной регрессииМетод seemingly unrelated regressions (SUR)Пространственная модель Дарбина (SDM)Пространственная модель ошибок (Spatial Error Model, SEM)Spatial Lag ModelПространственная модель панельных данных (FE/RE)Spatial RegressionМодель гладкого переходного авторегрессионного процесса (STAR)Стохастический анализ границы (SFA)OLS со структурными разрывамиСистемный ОММ (Арельяно-Бовер / Бланделл-Бонд)Tail Risk MeasuresОценщик Тейля-СенаМетод ТетаМетод наименьших квадратов в три этапа (3SLS)Регрессия с порогомOLS с изменяющимися во времени параметрами (TVP-OLS)Модель регрессии с цензурированием ТобітаTwo-Stage Least Squares (2SLS)Бэктестинг Value-at-Risk (VaR)Модель векторной авторегрессии (VAR)Фактор инфляции дисперсии (VIF)Модель коррекции ошибок вектора (VECM)W-оценка (Welsch / Tukey Bisquare) в робастной регрессииТест Уайта на гетероскедастичностьДикий бутстреп для регрессионного вывода
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →