เปรียบเทียบวิธี

	การถดถอยแบบฮิวเบอร์ (Huber Regression)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	สถิติศาสตร์	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1964	2019
ผู้ริเริ่ม	Peter J. Huber	Wooldridge (textbook treatment); classical least squares
ประเภท	Robust linear regression (M-estimation)	Linear regression
แหล่งต้นตำรับ	Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73-101.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
ชื่อเรียกอื่น	Huber M-estimator, Huber loss regression, robust regression, Huber Regresyonu	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
ที่เกี่ยวข้อง	5	5
สรุป	Huber regression is a robust linear regression method, introduced by Peter J. Huber in 1964, that resists the influence of outliers by treating small and large residuals differently. It applies a squared (OLS-like) loss to small residuals and a milder absolute-value loss to large ones, so extreme observations cannot dominate the fit.	Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE).