Robustā loģistiskā regresija
Robustā loģistiskā regresija ir loģistiskās regresijas variants, kas ir izturīgs pret novirzēm (outliers) un ietekmīgiem punktiem (leverage points), pielāgojot bināru vai kategorisku rezultātu ar Malova tipa svērto novērtējumu. Robustu ietvaru vispārinātiem lineāriem modeļiem izstrādāja Cantoni un Ronchetti (2001), un svēršanas pieeju vēlāk pilnveidoja Bondell (2008).
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Cantoni, E. & Ronchetti, E. (2001). Robust Inference for Generalized Linear Models. Journal of the American Statistical Association, 96(455), 1022-1030. DOI: 10.1198/016214501753209004 ↗
- Bondell, H. D. (2008). Robust Logistic Regression Using a Weighting Approach. Biometrics, 64(2), 421-427. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Robust Logistic Regression (Mallows-Type Weighted Estimation). ScholarGate. https://scholargate.app/lv/statistics/robust-logistic-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.
- Logistiskā regresijaPētniecības statistika↔ compare
- MM-EstimatorStatistika↔ compare
- Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
- Kvantīļu regresijaEkonometrija↔ compare
- Robustas laika sēriju analīzeStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →