其中应用最小二乘法

最小二乘法（OLS）的方法可以使用包含随机误差的一组测量结果来估计不同的量。

OLS的特点

该方法的主要思想是，作为解决问题的准确性的标准，考虑了误差平方和，这是最小化的。 使用这种方法，您可以应用数字和分析方法。

特别地，作为数值实现，最小二乘法的方法意味着尽可能多地执行未知随机变量的维数。 此外，计算越多，解决方案越准确。 在这组计算（初始数据）中，获得另一组假设的解，然后从中选择最佳值。 如果解集合是参数化的，那么最小二乘法的方法减少到找到参数的最优值。

作为对一组初始数据（尺寸）和假设的解决方案实施跨国公司的分析方法，确定了某种 功能依赖 （功能），可以通过作为需要确认的假设获得的公式来表达。 在这种情况下，最小二乘法的方法减少以找到原始数据的平方误差集上的该函数的最小值。

请注意，不是错误本身，而是错误的平方。 为什么呢？ 事实是，测量与精确值的偏差往往是正的和负的。 在确定平均测量误差时，简单的求和可以导致关于估计质量的错误结论，因为正值和负值的相互破坏将降低该组测量的采样功率。 因此，评估的准确性。

为了实现这一点，并总结出偏差平方。 更重要的是，为了均衡测量值和最终估计的维数，从误差平方和中提取平方根。

一些MNC应用程序

跨国公司广泛应用于各个领域。 例如，在概率理论和数学统计中，使用一种方法来确定随机变量的特征，例如确定随机变量的值范围的宽度的标准偏差。

在数学分析和物理学领域，使用这种装置来推导或确定假设，特别是使用OLS来评估通过简化分析变换的更简单函数在数值集上定义的函数的近似表示。

该方法的另一个应用是将有用信号与过滤问题中施加的噪声分离开来。

跨国公司的另一个应用领域是计量经济学。 在这里，这种方法被广泛使用，已经确定了一些特殊的修改。

计量经济学的大多数问题，有一种或另一种方法，减少到解决线性计量方程组的系统，描述一些系统的结构 - 结构模型。 每个这样的模型的主要元素是时间序列，它是一些特征的集合，其值取决于时间以及许多其他因素。 在这种情况下，模型的内部（内生）特征与外部（外部）特征之间可能存在对应关系。 这种对应通常以线性经济方程式的形式表示。

这种系统的一个特征是存在单个变量之间的相互关系，一方面使其变得复杂化，另一方面又重新定义。 在选择这种系统的解决方案时会导致不确定性。 解决这些问题复杂化的另外一个因素是模型参数随时间的依赖。

计量经济学问题的主要目标是确定模型，即确定所选模型中的结构关系，以及对其参数的估计。

可以在构成模型的时间序列中恢复依赖关系，特别是在直接OLS及其一些修改的帮助下，以及一些其他方法。 专门开发了跨国公司解决这些问题的特殊修改，以解决方程组数值解的过程中出现的一些问题。

特别地，这些问题之一涉及对需要评估的参数的初始约束的存在。 例如，私营企业的收入可以用于消费或发展。 因此，这两种成本的部分之和已知为1.对于计量经济学方程式，这些部分可以彼此独立进入。 因此，可以使用OLS估计不同类型的支出，而不考虑初始约束，然后校正所获得的结果。 这种解决方法称为间接最小二乘法。

最小二乘的间接方法 （KMNK）用于精确定义的结构模型。 KIOC算法假设以下操作：

1）通过引入额外的关系将结构模型转化为更简单，简化的形式;

2）在简化模型的每个方程的减数系数的普通最小二乘法的帮助下进行估计;

3）将得到的模型简单形式的系数转化为初始结构模型的参数。

应该注意的是，对于超识别系统，不使用KMNC，因为在这种情况下，不可能对结构模型的参数进行明确的估计。 对于这样的模型，可以使用最小二乘法的一个修改（两步最小二乘法 ）。

DMNK算法如下：

1）在简化模型的基础上，计算超方程中包含在方程右侧的内部变量的值;

2）将获得的变量值替换为初始模型中相应实际变量的位置，并再次应用常规最小二乘法。

在许多关于计量经济学的教科书中给出了最小二乘法的间接和两步法的详细描述。 这些方法以及普通跨国公司的特点是它们的普遍性，允许它们被用来估计任何 主题领域 的任何结构模型的系数 。