Robustes Generalisiertes Lineares Modell
Ein Robuster Generalisierter Linearer Modell (Robust Generalized Linear Model, RGLM) passt die Standardfamilie der GLMs – linear, logistisch, Poisson und andere – mittels M-Schätzgleichungen an, welche Ausreißer oder einflussreiche Beobachtungen abwerten. Das Ergebnis sind Koeffizientenschätzungen und Standardfehler, die stabil bleiben, selbst wenn eine Minderheit von Datenpunkten stark von der angenommenen Verteilung abweicht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Heritier, S., Cantoni, E., Copt, S., & Victoria-Feser, M.-P. (2009). Robust Methods in Biostatistics. Wiley. ISBN: 978-0470027264
- Cantoni, E., & Ronchetti, E. (2001). Robust inference for generalized linear models. Journal of the American Statistical Association, 96(455), 1022–1030. DOI: 10.1198/016214501753209004 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Generalized Linear Model. ScholarGate. https://scholargate.app/de/statistics/robust-generalized-linear-model
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.
- Generalisiertes Lineares Modell (GLM)Statistik↔ compare
- Robuste Logistische RegressionStatistik↔ compare
- Robuste multiple lineare RegressionStatistik↔ compare
- Robuste Poisson-RegressionStatistik↔ compare
- Robuste RegressionStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →