Stima MM per la regressione robusta
Lo stimatore MM è un metodo di regressione lineare robusta introdotto da Victor J. Yohai nel 1987. Esso combina l'elevato punto di rottura (high breakdown point) di uno stimatore S con l'elevata efficienza di uno stimatore M, resistendo così fortemente agli outlier pur utilizzando i dati in modo efficiente quando gli errori sono ben comportati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656. DOI: 10.1214/aos/1176350366 ↗
- Koller, M. & Stahel, W. A. (2011). Sharpening Wald-type Inference in Robust Regression for Small Samples. Computational Statistics & Data Analysis, 55(8), 2504-2515. DOI: 10.1016/j.csda.2011.02.014 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/it/statistics/mm-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.
- Regressione dei Minimi Quadrati Mediani (LMS)Statistica↔ compare
- Regression con Minimi Quadrati Trimmatizzati (Least Trimmed Squares, LTS)Statistica↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Regressione RANSACStatistica↔ compare
- Stimatore di Theil-SenStatistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →