برآوردگر MM برای رگرسیون استوار
برآوردگر MM یک روش رگرسیون خطی استوار است که توسط ویکتور جی. یوهی در سال ۱۹۸۷ معرفی شد. این روش نقطه شکست بالا (high breakdown point) یک برآوردگر S را با کارایی بالای (high efficiency) یک برآوردگر M ترکیب میکند، بنابراین در برابر دادههای پرت به شدت مقاوم است و در عین حال وقتی خطاها رفتار مناسبی دارند، از دادهها به طور کارآمد استفاده میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
منابع
- Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656. DOI: 10.1214/aos/1176350366 ↗
- Koller, M. & Stahel, W. A. (2011). Sharpening Wald-type Inference in Robust Regression for Small Samples. Computational Statistics & Data Analysis, 55(8), 2504-2515. DOI: 10.1016/j.csda.2011.02.014 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/fa/statistics/mm-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.
- رگرسیون کمترین میانه توان دوم (LMS)آمار↔ compare
- رگرسیون حداقل مربعات هرسشده (LTS)آمار↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- رگرسیون رنسکآمار↔ compare
- تخمینگر تیل-سنآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →