Regression model

M-Schätzer (Robuste Regression)

M-Schätzer sind eine robuste Verallgemeinerung der Maximum-Likelihood-Schätzung, formalisiert in der Arbeit von Peter J. Huber (Huber & Ronchetti, 2009). Anstatt jeden Residuen zu quadrieren, wenden sie eine beschränkte Verlustfunktion an, sodass große Residuen von Ausreißern heruntergewichtet werden, anstatt die Anpassung zu dominieren.

Mit StatMind anwendenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

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

M-Schätzer (Robuste Regression)

Least Trimmed Squares (L…MM-Schätzung für robuste…Methode der kleinsten Qu…Quantile Regression Ridge Regression Huber-Regression

Quellen

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 ↗

So zitieren Sie diese Seite

ScholarGate. (2026, June 1). M-Estimators (Robust Regression). ScholarGate. https://scholargate.app/de/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.

Least Trimmed Squares (LTS)-RegressionStatistik↔ compare
MM-Schätzung für robuste RegressionStatistik↔ compare
Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
Quantile RegressionÖkonometrie↔ compare
Ridge RegressionMaschinelles Lernen↔ compare

Compare side by side →

Referenziert von

Huber-Regression

Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →