Huber-regressie
Huber-regressie is een robuuste lineaire regressiemethode, geïntroduceerd door Peter J. Huber in 1964, die de invloed van uitschieters weerstaat door kleine en grote residuen verschillend te behandelen. Het past een kwadratisch (OLS-achtig) verlies toe op kleine residuen en een milder absoluutwaardeverlies op grote, zodat extreme waarnemingen de fit niet kunnen domineren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/nl/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.
- Kleinste Afgetrimde Kwadraten (LTS) RegressieStatistiek↔ compare
- M-schatters (Robuuste Regressie)Statistiek↔ compare
- MM-schatting voor robuuste regressieStatistiek↔ compare
- Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ compare
- KwantielregressieEconometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →