Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Linear Equations Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

6. Generalized Least Squares Estimation

verfasst von : Jonathon D. Brown

Erschienen in: Advanced Statistics for the Behavioral Sciences

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

When the errors in a regression model are independent and identically distributed, the Gauss-Markov theorem establishes that the ordinary least squares (OLS) estimator is “BLUE” (Best Linear Unbiased Estimator) (see Chap. 2). So far, all of the examples we have encountered in this text have met these assumptions, but in this chapter you will learn how to detect violations of the Gauss-Markov assumptions and address some of the problems that they can create.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Singular Value Decomposition
Nächstes Kapitel Robust Regression
Fußnoten
1
We will use a simple linear regression model (i.e., with a single predictor) throughout this chapter for simplicity, but the issues apply to multiple regression as well.
 
2
Simulations are sometimes called Monte Carlo simulations. A related technique known as resampling will be discussed in Chap. 7.
 
3
Unfortunately, there is no established standard for quantifying the severity of heteroscedasticity.
 
4
Chapter 13 offers more detailed coverage of time series analyses.
 
5
In fact, 48% of adjacent residuals lie on opposite sides of the midpoint in the left-hand panel of Fig. 6.4, but only 18% do so in the right-hand panel.
 
6
The Breusch–Godfrey test is sometimes called the Lagrange Multiplier test.
 
7
The estimation assumes an AR(1) model for the residuals. Methods for estimating higher-order autocorrelations will be discussed in Chap. 13.
 
8
This will not always be true, however. When the predictor is ordered (e.g., days of the month), the standard errors from OLS estimation will often be smaller than the ones produced by FGLS.
 
Literatur
Aitken, A. C. (1934). On least-squares and linear combinations of observations. Proceedings of the Royal Society of Edinburgh, 55, 42–48.CrossRef
Andrews, D. W. K., & Monahan, J. C. (1992). An improved heteroskedasticity and autocorrelation consistent covariance matrix estimator. Econometrica, 60, 953–966.MathSciNetCrossRef
Breusch, T. S., & Pagan, A. R. (1979). Simple test for heteroscedasticity and random coefficient variation. Econometrica, 47, 1287–1294.MathSciNetCrossRef
Hayes, A. F., & Li, C. (2007). Using heteroscedasticity-consistent standard error estimators in OLS regression: An introduction and software implementation. Behavior Research Methods, 37, 709–722.CrossRef
Long, J. S., & Ervin, L. H. (2000). Using heteroscedasticity consistent standard errors in the linear regression model. The American Statistician, 54, 217–224.
Newey, W. K., & West, K. (1987). A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix. Econometrica, 55, 703–708.MathSciNetCrossRef
White, H. (1980). A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica, 48, 817–838.MathSciNetCrossRef
Metadaten
Titel
Generalized Least Squares Estimation
verfasst von
Jonathon D. Brown
Copyright-Jahr
2018
Buch
Advanced Statistics for the Behavioral Sciences

Print ISBN: 978-3-319-93547-8

Electronic ISBN: 978-3-319-93549-2

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-93549-2_6