Théorème de Frisch-Waugh

Soit le modèle de régression linéaire suivant :

${\displaystyle Y=X_{1}\beta _{1}+X_{2}\beta _{2}+u\!}$

avec ${\displaystyle X_{1}}$ et ${\displaystyle X_{2}}$ deux matrices de taille ${\displaystyle n\times k_{1}}$ et ${\displaystyle n\times k_{2}}$.

D'après le théorème de Frisch-Waugh, l'estimation du vecteur de coefficients ${\displaystyle \beta _{2}}$ sera la même que dans le modèle linéaire suivant :

${\displaystyle M_{X_{1}}Y=M_{X_{1}}X_{2}\beta _{2}+M_{X_{1}}u\!,}$

avec ${\displaystyle M_{X_{1}}}$ la matrice de projection orthogonale sur le complément orthogonal de l'espace vectoriel engendré par les colonnes de ${\displaystyle X_{1}}$ :

${\displaystyle M_{X_{1}}=I-X_{1}(X_{1}'X_{1})^{-1}X_{1}'.\!}$

• (en) Ragnar Frisch et Frederick V. Waugh, « Partial Time Regressions as Compared with Individual Trends », Econometrica, vol. 1, n^o 4,‎ 1933, p. 387–401 (JSTOR 1907330)
• (en) Michael Lovell, « Seasonal Adjustment of Economic Time Series and Multiple Regression Analysis », Journal of the American Statistical Association, vol. 58, n^o 304,‎ 1963, p. 993–1010 (DOI 10.1080/01621459.1963.10480682)

• Moindres carrés ordinaires
• Moindres carrés partiels
• Régression linéaire