Huber-regressio
Huber-regressio on Peter J. Huberin vuonna 1964 esittelemä robusti lineaarisen regressiomenetelmä, joka vastustaa poikkeavien havaintojen vaikutusta käsittelemällä pieniä ja suuria residuaaleja eri tavoin. Se soveltaa neliöllistä (OLS-tyyppistä) häviötä pieniin residuaaleihin ja lievempää itseisarvohäviötä suuriin, jotta äärimmäiset havainnot eivät hallitse sovitusta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/fi/statistics/huber-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.
- Vähiten katkaistujen neliöiden (LTS) regressioTilastotiede↔ compare
- M-estimaattorit (Robustin regressio)Tilastotiede↔ compare
- MM-estimaattori vankalle regressiolleTilastotiede↔ compare
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ compare
- KvanttiiliregressioEkonometria↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →