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.
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.
+17 more
Kilder
- Huber, P. J. (1964). Robust estimation of a location parameter. The 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 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.
- Lasso-regressionMaskinlæring↔ compare
- Mindste Trimmede Kvadraters (LTS) RegressionStatistik↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- KvantilregressionØkonometri↔ compare
- Ridge-regressionMaskinlæring↔ compare
- Vægtede mindste kvadraters metode (WLS)Statistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →