Robuste Regression
Die robuste Regression schätzt die lineare Beziehung zwischen einer kontinuierlichen Zielvariablen und Prädiktoren, während der Einfluss von Ausreißern und einflussreichen Punkten stark reduziert wird. Im Gegensatz zur OLS-Regression, die sehr empfindlich auf extreme Beobachtungen reagiert, weisen robuste Methoden atypischen Datenpunkten eine geringere Gewichtung zu, was zu Koeffizientenschätzungen führt, die auch dann stabil bleiben, wenn ein Teil der Daten verunreinigt oder nicht normalverteilt ist.
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.
+17 more
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Regression. ScholarGate. https://scholargate.app/de/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-RegressionMaschinelles Lernen↔ compare
- Least Trimmed Squares (LTS)-RegressionStatistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Quantile RegressionÖkonometrie↔ compare
- Ridge RegressionMaschinelles Lernen↔ compare
- Gewichtete Kleinste Quadrate (GKS)Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →