Regression model

M-estimatorer (Robust Regression)

M-estimatorer är en robust generalisering av maximum likelihood-estimering, formaliserad i Peter J. Hubers arbete (Huber & Ronchetti, 2009). Istället för att kvadrera varje residual, tillämpas en begränsad förlustfunktion så att stora residualer från extremvärden nedvikts snarare än tillåts dominera anpassningen.

Tillämpa med StatMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

M-estimatorer (Robust Regression)

Least Trimmed Squares (L…MM-estimering för robust…Vanligaste minsta kvadra…Kvantilregression Ridge Regression Huberregression

Källor

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 ↗

Så citerar du den här sidan

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

Least Trimmed Squares (LTS) RegressionStatistik↔ compare
MM-estimering för robust regressionStatistik↔ compare
Vanligaste minsta kvadratmetoden (OLS) RegressionEkonometri↔ compare
KvantilregressionEkonometri↔ compare
Ridge RegressionMaskininlärning↔ compare

Compare side by side →

Refereras av

Huberregression

Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →