Regression modelRegression / GLM

Regresja kwantylowa odporna

Regresja kwantylowa odporna szacuje warunkowe kwantyle zmiennej odpowiedzi, jednocześnie zmniejszając wpływ wartości odstających. Łącząc asymetryczną funkcję straty standardowej regresji kwantylowej z wagami ograniczającymi wpływ lub wagami estymatora M, zapewnia ona wiarygodne oszacowania kwantyli nawet wtedy, gdy dane zawierają obserwacje ekstremalne lub rozkłady błędów o grubych ogonach.

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.

Źródła

  1. Koenker, R. (2005). Quantile Regression. Cambridge University Press. ISBN: 978-0521608275
  2. Machado, J. A. F. (1993). Robust model selection and M-estimation. Econometric Theory, 9(3), 478–493. DOI: 10.1017/S0266466600007775

Jak cytować tę stronę

ScholarGate. (2026, June 3). Robust Quantile Regression. ScholarGate. https://scholargate.app/pl/statistics/robust-quantile-regression

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.

Compare side by side

Cytowana przez

ScholarGateRobust Quantile Regression (Robust Quantile Regression). Pobrano 2026-06-15 z https://scholargate.app/pl/statistics/robust-quantile-regression · Zbiór danych: https://doi.org/10.5281/zenodo.20539026