Régression logistique multinomiale robuste
La régression logistique multivariée robuste étend le modèle logit multivarié standard pour gérer les valeurs aberrantes, les observations influentes et une légère mauvaise spécification de la distribution de la réponse. Elle remplace les équations de score conventionnelles du maximum de vraisemblance par des fonctions d'influence bornées (estimation M) ou associe le maximum de vraisemblance à des estimateurs de variance sandwich, de sorte qu'une petite fraction de cas anormaux ne puisse pas fausser les rapports de cotes log estimées entre les catégories de résultats.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Cantoni, E., & Ronchetti, E. (2001). Robust inference for generalized linear models. Journal of the American Statistical Association, 96(455), 1022–1030. DOI: 10.1198/016214501753209004 ↗
- Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Wiley-Interscience. ISBN: 978-0471360933
Comment citer cette page
ScholarGate. (2026, June 3). Robust Multinomial Logistic Regression. ScholarGate. https://scholargate.app/fr/statistics/robust-multinomial-logistic-regression
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Modèle Linéaire Généralisé (GLM)Statistique↔ comparer
- Multinomial Logistic RegressionStatistique↔ comparer
- Régression logistique ordinaleStatistique↔ comparer
- Régression logistique robusteStatistique↔ comparer
- Régression RobusteStatistique↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →