تکنیک‌های اقتصادسنجی مدرن مختلفی برای بررسی وجود یک رابطه بلند مدت بین متغیرها معرفی شدند.  روش FMOLS برآوردهای قابل اعتمادی را برای اندازه نمونه کوچک تولید می‌کند و بررسی درستی نتایج را فراهم می‌کند. روش FMOLS در اصل توسط فیلیپس و هانسن (‏۱۹۹۰) ‏برای تخمین یک رابطه هم انباشتگی که ترکیبی از (‏۱)‏ I دارد، معرفی و توسعه داده شد.روش FMOLS نسبت به تکنیک‌های رشد اقتصادی در معرفی تصحیح مناسب برای غلبه بر مشکل استنباط در روش رشد اقتصادی دارای مزیت است و از این رو، آزمون t برای برآوردهای بلند مدت معتبر هستند. (Himansu, 2007)

روش حداقل مربعات معمولی کاملا اصلاح‌شده (‏FMOLS)‏ از برآوردگرهای کرنال پارامترهای مزاحم(Nuisance parameters) که بر توزیع مجانبی برآوردگر OLS تاثیر می‌گذارند، استفاده می‌کند. به منظور دستیابی به کارایی مجانبی، این تکنیک حداقل مربعات را برای در نظر گرفتن اثرات همبستگی سریالی و آزمون درون‌زایی در رگرسیون‌هایی که ناشی از وجود روابط هم انباشتگی هستند، اصلاح می‌کند " (Rukhsana and M. Shahbaz, 2008). به عبارت دیگر این روش جهت حل یا کاهش مشکل درون زا بودن همبستگی بین متغیرهای توضیحی(مستقل)  و جمله خطا می باشد استفاده می شود. درون زایی زمانی رخ می دهد که در مدل رگرسیون چندگانه متغیرهای توضیحی( مستقل) با خطا در ارتباط باشند.

منبع: 

Immigration and economic growth in Jordan: FMOLS approach ,AA Bashier, AJ Siam International Journal of Humanities Social Sciences and Education (IJHSSE) Volume 1, Issue 9, September 2014, PP 85-92 ISSN 2349-0373 (Print) & ISSN 2349-0381 (Online) www.arcjournals.org 2014

 ​نحوه برازش مدل رگرسیونFMOLSدر ایویوز 12به صورت زیر است:

متغیرهای مستقل و وابسته را به صورت تصویر انتخاب کنید.

از بین روش های باز شده Cointegration Regression را انتخاب کنید.

روی OK کلیک کنید.