Huber-regression
Huber-regression er en robust lineær regressionsmetode, introduceret af Peter J. Huber i 1964, der modstår indflydelsen fra outliers ved at behandle små og store residualer forskelligt. Den anvender et kvadreret (OLS-lignende) tab på små residualer og et mildere absolutværditab på store, så ekstreme observationer ikke kan dominere tilpasningen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73-101. DOI: 10.1214/aoms/1177703732 ↗
- Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J., & Stahel, W. A. (1986). Robust Statistics: The Approach Based on Influence Functions. Wiley. ISBN: 978-0471735779
Sådan citerer du denne side
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/da/statistics/huber-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Mindste Trimmede Kvadraters (LTS) RegressionStatistik↔ compare
- M-estimatorer (Robust Regression)Statistik↔ compare
- MM-estimering for robust regressionStatistik↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- KvantilregressionØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →