加权最小二乘法（WLS）是针对普通最小二乘法（OLS）中遇到的异方差问题的一种改进方法。当数据的随机误差项ui与自变量x有关时，WLS通过赋予不同观测点不同的权重来校正估计。通过先使用OLS计算残差，然后根据残差的大小确定权重，最终用这些权重调整后的数据进行二次估计，以获得更准确的结果。
首页
专栏
python
文章详情
0
统计科学之加权最小二乘法
张俊红发布于 今天 10:03
今天这篇来讲讲加权最小二乘法(WLS)，加权最小二乘是在普通的最小二乘回归(OLS)的基础上进行改造的，主要是用来解决异方差问题的。
OLS的常规形式如下：
我们在前面讲过OLS有几个基本假定，其中一个就是ui是随机干扰项，即随机波动的，不受其他因素的影响，即在x取不同值时var(ui)都是一个固定的常数。但有的时候ui不是随机干扰项，而是与x的取值有关的，比如在研究年龄和工资收入的之间的关系时，随着年龄越大，ui的波动是会越大的，即var(ui)不是常数了，这就是出现了异方差。此时的数据不满足OLS的基本假定，所以如果直接使用OLS进行估计，会使估计出来的结果是有偏的。
如果我们在估计的时候可以把不同x的对应的ui的大小考虑进去的话，得到的结果应该就是ok的。那我们应该如何考虑进去呢？
假设不同x对应的ui的波动(方差)为σi^2&#
最低0.47元/天 解锁文章
1806
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
