Regression model

M-Estimator (Regresi Robust)

M-estimator adalah generalisasi robust dari estimasi kemungkinan maksimum, yang diformalkan dalam karya Peter J. Huber (Huber & Ronchetti, 2009). Alih-alih mengkuadratkan setiap residual, mereka menerapkan fungsi kerugian yang terbatas sehingga residual besar dari pencilan diberi bobot lebih rendah daripada dibiarkan mendominasi kecocokan.

Terapkan dengan StatMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

M-Estimator (Regresi Robust)

Regresi Least Trimmed Sq…Estimasi MM untuk Regres…Regresi Kuadrat Terkecil…Regresi Kuantil Regresi Ridge Regresi Huber

Sumber

Huber, P. J., & Ronchetti, E. M. (2009). Robust Statistics (2nd ed.). Wiley. link ↗
Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. link ↗

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). M-Estimators (Robust Regression). ScholarGate. https://scholargate.app/id/statistics/m-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.

Regresi Least Trimmed Squares (LTS)Statistika↔ compare
Estimasi MM untuk Regresi RobustStatistika↔ compare
Regresi Kuadrat Terkecil Biasa (Ordinary Least Squares - OLS)Ekonometrika↔ compare
Regresi KuantilEkonometrika↔ compare
Regresi RidgePembelajaran Mesin↔ compare

Compare side by side →

Dirujuk oleh

Regresi Huber

Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →