Kleinste Afgetrimde Kwadraten (LTS) Regressie
Kleinste Afgetrimde Kwadraten is een robuuste lineaire regressiemethode geïntroduceerd door Peter J. Rousseeuw in 1984. In plaats van alle residuen te fitten, schat het de coëfficiënten door de som van slechts de h kleinste gekwadrateerde residuen te minimaliseren, wat resulteert in een breakdown point van maximaal 50% en betrouwbare schattingen op data die sterk verontreinigd zijn door uitschieters.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
+2 meer
Bronnen
- Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI: 10.1080/01621459.1984.10477105 ↗
- Rousseeuw, P. J., & Van Driessen, K. (2006). Computing LTS Regression for Large Data Sets. Data Mining and Knowledge Discovery, 12, 29-45. DOI: 10.1007/s10618-005-0024-4 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/nl/statistics/least-trimmed-squares
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Least Median of Squares (LMS) RegressieStatistiek↔ vergelijken
- Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ vergelijken
- KwantielregressieEconometrie↔ vergelijken
- RANSAC-regressieStatistiek↔ vergelijken
- Theil-Sen-schatterStatistiek↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →