Tau-estimatorn för regression
Tau-estimatorn är en robust linjär regressionsmetod som introducerades av Yohai och Zamar 1988. Den anpassar modellen genom att minimera en effektiv τ-skala av residualerna. Metoden bygger på skaluppskattningen från S-estimatorn för att kombinera en hög breakdown point med hög statistisk effektivitet och används ofta som ett alternativ till MM-estimatorn i små sampel.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Yohai, V. J., & Zamar, R. H. (1988). High Breakdown-Point Estimates of Regression by Means of the Minimization of an Efficient Scale. Journal of the American Statistical Association, 83(402), 406-413. DOI: 10.1080/01621459.1988.10478611 ↗
- Maronna, R. A., & Zamar, R. H. (2002). Robust Estimates of Location and Dispersion for High-Dimensional Datasets. Technometrics, 44(4), 307-317. DOI: 10.1198/004017002188618509 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Tau (τ) Estimator of Regression. ScholarGate. https://scholargate.app/sv/statistics/tau-estimator
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Least Trimmed Squares (LTS) RegressionStatistik↔ jämför
- MM-estimering för robust regressionStatistik↔ jämför
- S-skattare för robust regressionStatistik↔ jämför
- Theil-Sen EstimatorStatistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →