Huber-regresszió
A Huber-regresszió egy robusztus lineáris regressziós módszer, amelyet Peter J. Huber vezetett be 1964-ben. Ez a módszer ellenáll a kiugró értékek (outlier) hatásának azáltal, hogy eltérően kezeli a kis és nagy maradékokat (residuals). A kis maradékokra négyzetes (OLS-szerű) veszteséget, a nagyokra pedig enyhébb abszolútérték-alapú veszteséget alkalmaz, így a szélsőséges megfigyelések nem tudják dominálni az illesztést.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/hu/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.
- Legkisebb Nyesett Négyzetes (LTS) RegresszióStatisztika↔ compare
- M-becslők (Robuszt Regresszió)Statisztika↔ compare
- MM-becslés robusztus regresszióhozStatisztika↔ compare
- Regresszió Ordináris Legkisebb Négyzetes (OLS) módszerrelÖkonometria↔ compare
- Kvantilis regresszióÖkonometria↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →