Regression model

M-schatters (Robuuste Regressie)

M-schatters zijn een robuuste generalisatie van maximum likelihood-schatting, geformaliseerd in het werk van Peter J. Huber (Huber & Ronchetti, 2009). In plaats van elke residu te kwadrateren, passen ze een begrensde verliesfunctie toe, zodat grote residuen van uitschieters worden afgewaardeerd in plaats van de fit te laten domineren.

Toepassen met StatMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Inloggen

Method map

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

M-schatters (Robuuste Regressie)

Kleinste Afgetrimde Kwad…MM-schatting voor robuus…Gewone Kleinste Kwadrate…Kwantielregressie Ridge-regressie Huber-regressie

Bronnen

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 ↗

Deze pagina citeren

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

Kleinste Afgetrimde Kwadraten (LTS) RegressieStatistiek↔ compare
MM-schatting voor robuuste regressieStatistiek↔ compare
Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ compare
KwantielregressieEconometrie↔ compare
Ridge-regressieMachine learning↔ compare

Compare side by side →

Geciteerd door

Huber-regressie

Een fout op deze pagina gezien? Meld het of stel een correctie voor →