Regressione Robusta
La regressione robusta stima la relazione lineare tra un esito continuo e predittori, riducendo drasticamente l'influenza di valori anomali (outlier) e punti di leva. A differenza dei minimi quadrati ordinari (OLS), che sono estremamente sensibili alle osservazioni estreme, i metodi robusti assegnano un'influenza ridotta ai punti dati atipici, producendo stime dei coefficienti che rimangono stabili anche quando una frazione dei dati è contaminata o non distribuita normalmente.
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.
+17 more
Fonti
- Huber, P. J. (1964). Robust estimation of a location parameter. The 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
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Regression. ScholarGate. https://scholargate.app/it/statistics/robust-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.
- Regressione LassoApprendimento automatico↔ compare
- Regression con Minimi Quadrati Trimmatizzati (Least Trimmed Squares, LTS)Statistica↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Regressione quantilicaEconometria↔ compare
- Regressione RidgeApprendimento automatico↔ compare
- Minimi Quadrati Pesati (WLS)Statistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →