Regression model

M-estimaattorit (Robustin regressio)

M-estimaattorit ovat pienimmän neliösumman estimoinnin (ordinary least squares, OLS) robusti yleistys, jonka Peter J. Huber formalisoi (Huber & Ronchetti, 2009). Sen sijaan, että jokainen jäännös neliöitäisiin, M-estimaattorit käyttävät rajoitettua häviöfunktiota, jotta poikkeavien havaintojen suuret jäännökset painottuvat vähemmän sen sijaan, että ne dominoisivat sovitusta.

Sovella työkalulla StatMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

M-estimaattorit (Robustin regressio)

Vähiten katkaistujen nel…MM-estimaattori vankalle…OLS-regressio (Ordinary…Kvanttiiliregressio Harjanneregressio Huber-regressio

Lähteet

Huber, P. J., & Ronchetti, E. M. (2009). Robust Statistics (2nd ed.). Wiley. link ↗
Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. link ↗

Näin viittaat tähän sivuun

ScholarGate. (2026, June 1). M-Estimators (Robust Regression). ScholarGate. https://scholargate.app/fi/statistics/m-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.

Vähiten katkaistujen neliöiden (LTS) regressioTilastotiede↔ compare
MM-estimaattori vankalle regressiolleTilastotiede↔ compare
OLS-regressio (Ordinary Least Squares)Ekonometria↔ compare
KvanttiiliregressioEkonometria↔ compare
HarjanneregressioKoneoppiminen↔ compare

Compare side by side →

Tähän viittaavat

Huber-regressio

Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →