¿Existe una forma más rápida de calcular errores estándar para problemas de regresión lineal, que invirtiendo ? Aquí supongo que tenemos regresión:
donde es n × k matriz e y es n × 1 vector.
Para encontrar la solución del problema de mínimos cuadrados no es práctico hacer nada con , puede usar descomposiciones QR o SVD en la matriz X directamente. O, alternativamente, puede utilizar métodos de gradiente. ¿Pero qué pasa con los errores estándar? Realmente solo necesitamos la diagonal de ( X ′ X ) - 1 (y, naturalmente, la solución LS para calcular la estimación del error estándar de ε ). ¿Existen métodos específicos para el cálculo de errores estándar?