Bonjour,

Je cherche à comprendre qu'elles sont les avantages de l'estimation des coefficients beta par Moindre carré ordinaire (MCO) et le maximum de vraisemblance dans le cadre de la régression linéaire généralisé.

Sauf erreur de ma part, la méthode MCO permet de traiter uniquement des données quantitatives alors que le maximum de vraisemblance traite tous les types de données.

On dit que les MCO renvoie les mêmes estimations que le maximum de vraisemblance pour la régression multiple à savoir
mais j'ai l'impression que les hypothèses sur la distribution des résidus est plus restrictives avec les MCO qu'avec le maximum de vraisemblance. L'intérêt des modèles linéaires généralisés est justement de pouvoir faire des hypothèses d'avoir des résidus différents de la loi normale (hypoyhèse H6 de wikipédia). De plus, est ce que les MCO gère le paramètre de dispersion?

Qu'en pensez-vous?
Merci pour votre aide,
Cordialement
Petitpenguoin