Régression quantile robuste
La régression quantile robuste estime les quantiles conditionnels d'une variable de réponse tout en réduisant simultanément l'influence des valeurs aberrantes. En combinant la fonction de perte asymétrique de la régression quantile standard avec des poids de M-estimation ou d'influence bornée, elle fournit des estimations de quantiles fiables même lorsque les données contiennent des observations extrêmes ou des distributions d'erreur à queues lourdes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Koenker, R. (2005). Quantile Regression. Cambridge University Press. ISBN: 978-0521608275
- Machado, J. A. F. (1993). Robust model selection and M-estimation. Econometric Theory, 9(3), 478–493. DOI: 10.1017/S0266466600007775 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Quantile Regression. ScholarGate. https://scholargate.app/fr/statistics/robust-quantile-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.
- Régression Quantile BayésienneStatistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Modèle linéaire généralisé robusteStatistique↔ compare
- Régression linéaire multiple robusteStatistique↔ compare
- Régression RobusteStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →