Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Зважені найменші квадрати зі структурними змінами (Structural Break WLS)× | Зважене найменших квадратів (Robust WLS)× | |
|---|---|---|
| Галузь | Економетрика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1998 (break framework); WLS long-established | 1964/1981 |
| Автор методу≠ | Bai & Perron (structural break framework); WLS classical | Huber, P. J. |
| Тип≠ | Weighted regression with regime shifts | Robust weighted regression |
| Основоположне джерело≠ | Bai, J., & Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47-78. DOI ↗ | Huber, P. J. (1981). Robust Statistics. Wiley. ISBN: 978-0471418054 |
| Інші назви | WLS with structural change, break-corrected WLS, segmented WLS, structural break weighted regression | robust weighted least squares, RWLS, heteroscedasticity-robust WLS, outlier-robust weighted regression |
| Пов'язані | 5 | 5 |
| Підсумок≠ | Structural Break WLS combines Weighted Least Squares estimation with explicit detection and correction for structural breaks — abrupt regime shifts — in the data. By identifying break points and assigning observation-level weights that account for heteroscedasticity within and across regimes, the estimator delivers consistent, efficient coefficient estimates even when the error variance changes dramatically at a break. | Robust WLS combines weighted least squares — which corrects for known or estimated heteroscedasticity — with robust M-estimation that down-weights influential outliers. The result is a regression estimator that is simultaneously efficient under non-constant error variance and resistant to observations that would otherwise distort coefficient estimates. |
| ScholarGateНабір даних ↗ |
|
|