Regression model

M-estimateurs (Régression Robuste)

Les M-estimateurs sont une généralisation robuste de l'estimation du maximum de vraisemblance, formalisée dans les travaux de Peter J. Huber (Huber & Ronchetti, 2009). Au lieu de mettre au carré chaque résidu, ils appliquent une fonction de perte bornée de sorte que les grands résidus provenant de valeurs aberrantes soient sous-pondérés plutôt que de dominer l'ajustement.

Appliquer avec StatMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

M-estimateurs (Régression Robuste)

Régression par Moindres…Estimation MM pour la ré…Régression par Moindres…Régression quantile Régression Ridge Régression de Huber

Sources

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 ↗

Comment citer cette page

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

Régression par Moindres Carrés Trimés (LTS)Statistique↔ compare
Estimation MM pour la régression robusteStatistique↔ compare
Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
Régression quantileÉconométrie↔ compare
Régression RidgeApprentissage automatique↔ compare

Compare side by side →

Référencée par

Régression de Huber

Une erreur sur cette page ? Signalez-la ou proposez une correction →