Regression modelRegression / GLM
베이즈 로버스트 회귀
베이즈 로버스트 회귀(Bayesian Robust Regression)는 일반 선형 회귀의 가우시안 오차 가정을 꼬리가 두꺼운 분포(heavy-tailed distribution)—가장 일반적으로 Student-t 분포—로 대체하고, 모든 모수를 베이즈 프레임워크 내에서 추정합니다. 꼬리가 두꺼울수록 특이치(outliers)가 적합된 선에 미치는 영향이 줄어들어, 데이터에 특이한 관측치가 포함되어 있더라도 안정적인 계수 추정치와 신뢰할 수 있는 불확실성 구간을 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Geweke, J. (1993). Bayesian treatment of the independent Student-t linear model. Journal of Applied Econometrics, 8(S1), S19–S40. DOI: 10.1002/jae.3950080504 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Robust Regression. ScholarGate. https://scholargate.app/ko/statistics/bayesian-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.
- 베이즈 일반화 선형 모형통계학↔ compare
- 베이즈 다중 선형 회귀통계학↔ compare
- 베이지안 분위수 회귀통계학↔ compare
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 조건부 분위수 회귀계량경제학↔ compare
- Robust Regression통계학↔ compare