Regression modelRegression / GLM

Regresión lineal múltiple robusta

La regresión lineal múltiple robusta estima la relación lineal entre un resultado continuo y varios predictores, siendo resistente a valores atípicos y a violaciones del supuesto de normalidad. En lugar de minimizar la suma de los residuos al cuadrado, utiliza una función de pérdida acotada —más comúnmente la de Huber o la bisquare de Tukey— de modo que las observaciones extremas tengan una influencia limitada en los coeficientes estimados.

Aplicar con StatMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

+1 more

Fuentes

  1. Huber, P. J. (1964). Robust estimation of a location parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732
  2. Maronna, R. A., Martin, R. D., & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. ISBN: 978-0470010921

Cómo citar esta página

ScholarGate. (2026, June 3). Robust Multiple Linear Regression. ScholarGate. https://scholargate.app/es/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.

Compare side by side

Citado por

ScholarGateRobust Multiple linear regression (Robust Multiple Linear Regression). Recuperado el 2026-06-15 de https://scholargate.app/es/statistics/robust-multiple-linear-regression · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026