Estimateur S pour la régression robuste
L'estimateur S est une méthode de régression linéaire robuste, introduite par Rousseeuw et Yohai en 1984, qui estime les coefficients en minimisant une estimation M robuste de l'échelle des résidus plutôt que la variance des résidus. En réduisant une mesure bornée de la dispersion des résidus, il peut atteindre un point de rupture allant jusqu'à 50 %, ce qui lui permet de rester fiable même lorsqu'une grande partie des données sont des valeurs aberrantes, et il constitue la première étape du célèbre estimateur MM.
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
- Rousseeuw, P. J. & Yohai, V. J. (1984). Robust Regression by Means of S-Estimators. In Robust and Nonlinear Time Series Analysis (Lecture Notes in Statistics, Vol. 26, pp. 256-272). Springer. DOI: 10.1007/978-1-4615-7821-5_15 ↗
- Maronna, R. A., Martin, R. D., Yohai, V. J. & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
Comment citer cette page
ScholarGate. (2026, June 1). S-Estimator for Robust Regression. ScholarGate. https://scholargate.app/fr/statistics/s-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.
- Estimation MM pour la régression robusteStatistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Estimateur Tau (τ) de régressionStatistique↔ compare
- Estimateur de Theil-SenStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →