Regression model

M-novērtēji (Robustā regresija)

M-novērtētāji ir maksimālās νertības novērtēšanas robusta vispārināšana, ko formalizējis Pīters Dž. Hubers (Huber & Ronchetti, 2009). Tā vietā, lai kvadrētu katru atlikumu, tie izmanto ierobežotu zudumu funkciju, lai lielie atlikumi no novērotajām ārējām vērtībām tiktu mazāk ietekmēti, nevis dominētu pār pielāgojumu.

Pielietot ar StatMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

M-novērtēji (Robustā regresija)

Mazākās apgrieztās kvadr…MM-Estimator Parastā mazāko kvadrātu…Kvantīļu regresija Regulētā lineārā regresi…Hjūbera regresija

Avoti

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 ↗

Kā citēt šo lapu

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

Mazākās apgrieztās kvadrātiskās kļūdas (LTS) regresijaStatistika↔ compare
MM-EstimatorStatistika↔ compare
Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
Kvantīļu regresijaEkonometrija↔ compare
Regulētā lineārā regresija (Ridge Regression)Mašīnmācīšanās↔ compare

Compare side by side →

Uz to atsaucas

Hjūbera regresija

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →