Робастный обобщенный метод наименьших квадратов (Robust GLS)
Robust GLS расширяет классический обобщенный метод наименьших квадратов (GLS), сочетая оценку коэффициентов GLS со стандартными ошибками, устойчивыми к гетероскедастичности и автокорреляции (HAC), или используя M-оценку в рамках GLS. Он корректирует нешаровые ошибки — гетероскедастичность, автокорреляцию или обе — одновременно защищая выводы от неверной спецификации ковариационной структуры ошибок.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Generalized Least Squares. ScholarGate. https://scholargate.app/ru/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.
- Обобщенный метод наименьших квадратов (ОМНК)Статистика↔ compare
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ compare
- Обобщенный метод наименьших квадратов для панельных данных (Panel GLS)Эконометрика↔ compare
- МНК с робастными стандартными ошибкамиЭконометрика↔ compare
- Взвешенный метод наименьших квадратов (ВМНК)Статистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →