ScholarGate
Assistent
Regression modelRegression / GLM

Robust Regression

OLS tilpasser en linje ved at minimere kvadrerede residualer, hvilket betyder, at selv et enkelt ekstremt datapunkt kan trække linjen langt væk fra størstedelen af dataene. Robust regression anvender i stedet en tabsfunktion, der vokser langsommere end et kvadrat for store residualer, så fjerntliggende outliers bidrager langt mindre til tilpasningen. Algoritmen nedvægter progressivt observationer med store residualer i hver iteration — den tilpassede linje ender med at repræsentere flertallet af dataene trofast, mens outliers isoleres snarere end imødekommes.

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.

+17 more

Kilder

  1. Huber, P. J. (1964). Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732
  2. 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 3). Robust Regression. ScholarGate. https://scholargate.app/da/statistics/robust-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.

Compare side by side

Refereret af

ScholarGateRobust Regression (Robust Regression). Hentet 2026-06-15 fra https://scholargate.app/da/statistics/robust-regression · Datasæt: https://doi.org/10.5281/zenodo.20539026