Regression model
רגרסיית הובר
רגרסיית הובר היא שיטת רגרסיה לינארית רובסטית, שהוצגה על ידי פיטר ג'. הובר ב-1964, העמידה להשפעת חריגים על ידי התייחסות לשאריות קטנות וגדולות באופן שונה. היא מיישמת פונקציית הפסד ריבועית (בדומה ל-OLS) לשאריות קטנות ופונקציית הפסד לינארית מתונה יותר לשאריות גדולות, כך שתצפיות קיצוניות לא יוכלו להשפיע באופן דומיננטי על ההתאמה.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. 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
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/he/statistics/huber-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.
- רגרסיית ריבועים זעירים חתוכים (Least Trimmed Squares - LTS)סטטיסטיקה↔ compare
- אומדני M (רגרסיה רובסטית)סטטיסטיקה↔ compare
- MM-אמידה לרגרסיה רובסטיתסטטיסטיקה↔ compare
- רגרסיית ריבועים פחותים רגילים (OLS)אקונומטריקה↔ compare
- רגרסיית קוונטיליםאקונומטריקה↔ compare