广义最小二乘法

广义最小二乘法

问题一：可行的广义最小二乘法 广义最小二乘法 区别 使用最小二乘法需要一些前提，数据大多数时候是满足这些条件的。但有时候这些条件是不能满足的，这时需要对原始数据作适当变换，让他符合最小二乘法的使用条件，然后继续使用最小二乘法。
从整体上看，在处理数据前作的处理相当于在数据上加权，这个时候就把整个处理过程(包括数据事前的变换以及后来运用最小二乘法)看作加了权的最小二乘法。从这个意义上讲，加权最小二乘法就是最小二乘法。
y=a+b1*x1+b2*x2+e
中的误差项不满足高斯—马尔可夫条件，
即cov(e)=M,M为一个未知协方差阵，那么就要用到两次估计，即要估计出M，再估计系数a,b1,b2。这里常用的是两阶段GLS（两阶段广义最小二乘法），也称为feasible GLS（可行广义最小二乘法）。
这是一个很常见的问题，R中有包吗？我搜了下好像没有找到，可能是没有找仔细。S-PLUS中有吗？
WIKI百科里有feasible GLS的步骤，其实也就是一个迭代的WLS而已。没有对协方差进行估计，还是把应变量不同观测的相关性看作是0.问题二：请教广义最小二乘法和普通最小二乘法的区别 分两步：1、先做一次普通的OLS估计，把得到的残差序列保留下来，假设这个序列为rss2、再做一次OLS，把权重设为1/rss得到即为你想要的结果问题三：如何用eviews做广义最小二乘法 GLS 分两步：
1、先做一次普通的OLS估计，把得到的残差序列保留下来，假设这个序列为rss
2、再做一次OLS，把权重设为1/rss
得到即为你想要的结果