Robuste multiple lineare Regression
Die robuste multiple lineare Regression schätzt die lineare Beziehung zwischen einer kontinuierlichen Zielvariablen und mehreren Prädiktoren, während sie resistent gegenüber Ausreißern und Verletzungen der Normalitätsannahme ist. Anstatt die Summe der quadrierten Residuen zu minimieren, verwendet sie eine begrenzte Verlustfunktion – am gebräuchlichsten ist die Huber- oder Tukey-Bisquare-Funktion –, sodass extreme Beobachtungen nur begrenzten Einfluss auf die geschätzten Koeffizienten haben.
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.
+1 more
Quellen
- Huber, P. J. (1964). Robust estimation of a location parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
- Maronna, R. A., Martin, R. D., & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. ISBN: 978-0470010921
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Multiple Linear Regression. ScholarGate. https://scholargate.app/de/statistics/robust-multiple-linear-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-RegressionMaschinelles Lernen↔ compare
- Multiple Lineare RegressionStatistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Quantile RegressionÖkonometrie↔ compare
- Ridge RegressionMaschinelles Lernen↔ compare
- Robuste RegressionStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →