加权最小二乘估计的权数_加权最小二乘法的权重是什么（加权最小二乘估计的原理）

加权最小二乘WLS最日常的用法是克服异方差例如说，如今有一个多元回归y = bX + e矩阵表示，X#39代表矩阵X转置本来的日常最小二乘OLS公式是 b = X#39X^1 * X#39y 而在异方差情况下，因为不满足OLS的五大假定，因此OLS的成果不再有用not efficient，不是not valid。

加权最小二乘法是对原模型进行加权，使之成为一个新的不存在异方差性的模型，然后采纳普通最小二乘法估计其参数的一种数学优化技术线性回归的假设前提之一为方差齐性，若不满足方差齐性即因变量的变异水平会随着自身的推测值或许此外自变量的厘革而厘革这个假设前提时，就须要用加权最小二乘法。

常用的权数包含残差表白变量因变量等选择合适的权数须要凭据现实情况和专业常识进行鉴定4操纵选择的权数进行加权最小二乘法回归阐明常用的软件包含StataEViewsSPSS等在回归阐明中，须要配置响应的权重参数，以便应用加权最小二乘法5在加权最小二乘法回归阐明完成后，须要对模型进行检。

在样本容量富足的情况下，先实施用White查验找出豪气异方差的表白变量，然后用Glejser查验找出残差e随该表白变量厘革而厘革的函数形式，今儿以该函数开方的倒数进行加权最小二乘法估计。

普通的最小二乘法是最底子的所谓的加权最小二乘法，就是在普通最小二乘法的根本上，加上一些出格的前提，把一些数据的地位加权，相当于这些数据重复操纵，所以在打定中，他们的作用就比此外数据重要了操纵最小二乘法须要一些前提，数据大大都时间是满足这些前提的但偶尔间这些前提是不能满足的。

异方差加权最小二乘法的权数是1x2的缘故因由在样本容量富足的情况下，实施用White查验找出豪气异方差的表白变量，用Glejser查验找出残差e随该表白变量厘革而厘革的函数形式，以该函数开方的倒数进行加权最小二乘法估计加权变动可以消除异方差性，使随机误差项酿成同方差的这样才会满足线性回归模型的经典。