Regression model

Estymatory M (regresja odporna)

Estymatory M stanowią odporne uogólnienie estymacji największej wiarygodności, sformalizowane w pracy Petera J. Hubera (Huber & Ronchetti, 2009). Zamiast podnosić każdy rezyduum do kwadratu, stosują one ograniczoną funkcję straty, tak aby duże rezydua pochodzące od obserwacji odstających były ważone w dół, a nie dominowały w dopasowaniu.

Zastosuj w StatMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Estymatory M (regresja odporna)

Regresja metodą najmniej…Estymacja MM dla regresj…Regresja metodą najmniej…Regresja kwantylowa Regularyzacja grzbietowa…Regresja Hubera

Źródła

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 ↗

Jak cytować tę stronę

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

Regresja metodą najmniejszych przyciętych kwadratów (LTS)Statystyka↔ compare
Estymacja MM dla regresji odpornejStatystyka↔ compare
Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
Regresja kwantylowaEkonometria↔ compare
Regularyzacja grzbietowa (Ridge Regression)Uczenie maszynowe↔ compare

Compare side by side →

Cytowana przez

Regresja Hubera

Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →