Estymacja MM dla regresji odpornej
Estymator MM to odporna metoda regresji liniowej wprowadzona przez Victora J. Yohai w 1987 roku. Łączy on wysoką odporność na "załamanie" (ang. breakdown point) estymatora S z wysoką efektywnością estymatora M, dzięki czemu silnie opiera się wpływowi obserwacji odstających, jednocześnie efektywnie wykorzystując dane, gdy błędy są dobrze zachowane.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/pl/statistics/mm-estimator
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 przyciętych kwadratów (LTS)Statystyka↔ porównaj
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ porównaj
- Regresja RANSACStatystyka↔ porównaj
- Estymator Theila-SenaStatystyka↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →