MM-estimering för robust regression
MM-estimatet är en robust linjär regressionsmetod som introducerades av Victor J. Yohai år 1987. Den kombinerar den höga breakdown-punkten hos en S-estimator med den höga effektiviteten hos en M-estimator, så den motstår outliers starkt samtidigt som den använder data effektivt när felen beter sig väl.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/sv/statistics/mm-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 Median of Squares (LMS) RegressionStatistik↔ compare
- Least Trimmed Squares (LTS) RegressionStatistik↔ compare
- Vanligaste minsta kvadratmetoden (OLS) RegressionEkonometri↔ compare
- RANSAC-regressionStatistik↔ compare
- Theil-Sen EstimatorStatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →