Régression Robuste
La régression robuste estime la relation linéaire entre une variable dépendante continue et des prédicteurs tout en réduisant fortement l'influence des valeurs aberrantes et des points leviers. Contrairement aux moindres carrés ordinaires (MCO), qui sont très sensibles aux observations extrêmes, les méthodes robustes attribuent une influence pondérée plus faible aux points de données atypiques, produisant des estimations de coefficients qui restent stables même lorsqu'une fraction des données est contaminée ou non normalement distribuée.
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.
+17 more
Sources
- Huber, P. J. (1964). Robust estimation of a location parameter. The 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
Comment citer cette page
ScholarGate. (2026, June 3). Robust Regression. ScholarGate. https://scholargate.app/fr/statistics/robust-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 LassoApprentissage automatique↔ compare
- Régression par Moindres Carrés Trimés (LTS)Statistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Régression RidgeApprentissage automatique↔ compare
- Moindres Carrés Pondérés (MCP)Statistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →