MM-schatting voor robuuste regressie
De MM-schatter is een robuuste lineaire regressiemethode geïntroduceerd door Victor J. Yohai in 1987. Het combineert het hoge breekpunt van een S-schatter met de hoge efficiëntie van een M-schatter, zodat het uitschieters sterk weerstaat terwijl het de gegevens efficiënt gebruikt wanneer de fouten goed gedragen worden.
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.
+2 more
Bronnen
- Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656. DOI: 10.1214/aos/1176350366 ↗
- Koller, M. & Stahel, W. A. (2011). Sharpening Wald-type Inference in Robust Regression for Small Samples. Computational Statistics & Data Analysis, 55(8), 2504-2515. DOI: 10.1016/j.csda.2011.02.014 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/nl/statistics/mm-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.
- Least Median of Squares (LMS) RegressieStatistiek↔ compare
- Kleinste Afgetrimde Kwadraten (LTS) RegressieStatistiek↔ compare
- Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ compare
- RANSAC-regressieStatistiek↔ compare
- Theil-Sen-schatterStatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →