Робастный взвешенный метод наименьших квадратов (Robust WLS)
Robust WLS объединяет взвешенный метод наименьших квадратов — который корректирует известную или оцененную гетероскедастичность — с робастным M-оцениванием, которое уменьшает вес влиятельных выбросов. Результатом является регрессионный оценщик, который одновременно эффективен при непостоянной дисперсии ошибок и устойчив к наблюдениям, которые в противном случае исказили бы оценки коэффициентов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Huber, P. J. (1981). Robust Statistics. Wiley. ISBN: 978-0471418054
- Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson. ISBN: 978-0134461366
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Weighted Least Squares. ScholarGate. https://scholargate.app/ru/econometrics/robust-wls
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 методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ compare
- Квантильная регрессияЭконометрика↔ compare
- Робастный обобщенный метод наименьших квадратов (Robust 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 →