Regresja metodą najmniejszych przyciętych kwadratów (LTS)
Najmniejsze przycięte kwadraty (Least Trimmed Squares, LTS) to odporna metoda regresji liniowej wprowadzona przez Petera J. Rousseeuwa w 1984 roku. Zamiast dopasowywać wszystkie reszty, szacuje ona współczynniki poprzez minimalizację sumy tylko $h$ najmniejszych kwadratów reszt, co zapewnia jej punkt załamania do 50% i wiarygodne oszacowania na danych silnie zanieczyszczonych wartościami odstającymi.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
+2 więcej
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/pl/statistics/least-trimmed-squares
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Regresja metodą najmniejszej mediany kwadratów (LMS)Statystyka↔ porównaj
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ porównaj
- Regresja kwantylowaEkonometria↔ porównaj
- Regresja RANSACStatystyka↔ porównaj
- Estymator Theila-SenaStatystyka↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →