Weighted Least Squares and Adaptive Least Squares: Further Empirical Evidence
Kein Vorschaubild vorhanden
Autor:innen
Sterchi, Martin
Wolf, Michael
Autor:in (Körperschaft)
Publikationsdatum
2017
Typ der Arbeit
Studiengang
Typ
04A - Beitrag Sammelband
Herausgeber:innen
Kreinovich, Vladik
Sriboonchitta, Songsak
Huynh, Van-Nam
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Robustness in Econometrics
Themenheft
DOI der Originalpublikation
Reihe / Serie
Studies in Computational Intelligence
Reihennummer
692
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
135-167
Patentnummer
Verlag / Herausgebende Institution
Springer
Verlagsort / Veranstaltungsort
Heidelberg
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
This paper compares ordinary least squares (OLS), weighted least squares (WLS), and adaptive least squares (ALS) by means of a Monte Carlo study and an application to two empirical data sets. Overall, ALS emerges as the winner: It achieves most or even all of the efficiency gains of WLS over OLS when WLS outperforms OLS, but it only has very limited downside risk compared to OLS when OLS outperforms WLS.
Schlagwörter
Fachgebiet (DDC)
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
978-3-319-50741-5
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Lizenz
Zitation
STERCHI, Martin und Michael WOLF, 2017. Weighted Least Squares and Adaptive Least Squares: Further Empirical Evidence. In: Vladik KREINOVICH, Songsak SRIBOONCHITTA und Van-Nam HUYNH (Hrsg.), Robustness in Econometrics. Heidelberg: Springer. S. 135–167. Studies in Computational Intelligence, 692. ISBN 978-3-319-50741-5. Verfügbar unter: http://hdl.handle.net/11654/24445