Regresi Huber
Regresi Huber ialah kaedah regresi linear yang teguh, diperkenalkan oleh Peter J. Huber pada tahun 1964, yang menahan pengaruh pencilan dengan merawat sisa kecil dan besar secara berbeza. Ia menggunakan kehilangan kuasa dua (seperti OLS) kepada sisa kecil dan kehilangan nilai mutlak yang lebih ringan kepada sisa besar, supaya pemerhatian ekstrem tidak dapat mendominasi padanan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. 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
Cara memetik halaman ini
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/ms/statistics/huber-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.
- Regresi Kuasa Dua Terpangkas Terkecil (LTS)Statistik↔ compare
- M-Estimator (Regresi Teguh)Statistik↔ compare
- Anggaran MM untuk Regresi TeguhStatistik↔ compare
- Regresi Kuasa Dua Terkecil Biasa (OLS)Ekonometrik↔ compare
- Regresi KuantilEkonometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →