Regression modelRegression / GLM
강건 단순 선형 회귀
강건 단순 선형 회귀는 이상치에 덜 민감한 손실 함수나 가중치 부여 방식을 사용하여 이변량 데이터에 직선을 맞추며, 이는 일반 최소 제곱법보다 극단적인 관측치에 훨씬 덜 민감한 기울기 및 절편 추정치를 생성하면서도 해석하기 쉽게 유지합니다.
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
- Rousseeuw, P. J., & Leroy, A. M. (1987). Robust Regression and Outlier Detection. John Wiley & Sons. ISBN: 978-0471852339
- Huber, P. J. (1964). Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35(1), 73-101. DOI: 10.1214/aoms/1177703732 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Simple Linear Regression. ScholarGate. https://scholargate.app/ko/statistics/robust-simple-linear-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.
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 조건부 분위수 회귀계량경제학↔ compare
- 강건 다중 선형 회귀통계학↔ compare
- Robust Regression통계학↔ compare
- 테일-센 추정량통계학↔ compare
- 가중 최소 제곱법 (Weighted Least Squares, WLS)통계학↔ compare