Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Robusztus egyszerű lineáris regresszió× | Regresszió Ordináris Legkisebb Négyzetes (OLS) módszerrel× | |
|---|---|---|
| Tudományterület≠ | Statisztika | Ökonometria |
| Módszercsalád | Regression model | Regression model |
| Keletkezés éve≠ | 1964-1987 | 2019 |
| Megalkotó≠ | Peter J. Huber (M-estimators, 1964); Rousseeuw & Leroy (practical framework, 1987) | Wooldridge (textbook treatment); classical least squares |
| Típus≠ | Robust linear regression | Linear regression |
| Alapmű≠ | Rousseeuw, P. J., & Leroy, A. M. (1987). Robust Regression and Outlier Detection. John Wiley & Sons. ISBN: 978-0471852339 | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| Alternatív nevek | robust SLR, M-estimator simple regression, outlier-resistant simple regression, robust bivariate regression | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| Kapcsolódó≠ | 6 | 5 |
| Összefoglaló≠ | Robust simple linear regression fits a straight line through bivariate data using loss functions or weighting schemes that down-weight outliers, producing slope and intercept estimates that are far less sensitive to extreme observations than ordinary least squares while remaining easy to interpret. | Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE). |
| ScholarGateAdatkészlet ↗ |
|
|