Regression model

M-estimatorer (Robust Regression)

M-estimatorer er en robust generalisering af maximum likelihood-estimering, formaliseret i Peter J. Hubers arbejde (Huber & Ronchetti, 2009). I stedet for at kvadrere alle residualer anvender de en begrænset tabsfuntion, så store residualer fra outliers nedvægtes i stedet for at få lov til at dominere tilpasningen.

Anvend med StatMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

M-estimatorer (Robust Regression)

Mindste Trimmede Kvadrat…MM-estimering for robust…Almindelig mindste kvadr…Kvantilregression Ridge-regression Huber-regression

Kilder

Huber, P. J., & Ronchetti, E. M. (2009). Robust Statistics (2nd ed.). Wiley. link ↗
Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. link ↗

Sådan citerer du denne side

ScholarGate. (2026, June 1). M-Estimators (Robust Regression). ScholarGate. https://scholargate.app/da/statistics/m-estimator

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
MM-estimering for robust regressionStatistik↔ compare
Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
KvantilregressionØkonometri↔ compare
Ridge-regressionMaskinlæring↔ compare

Compare side by side →

Refereret af

Huber-regression

Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →