เปรียบเทียบวิธี

	การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)	การประมาณค่า MM สำหรับการถดถอยที่แข็งแกร่ง (Robust Regression)	การถดถอยควอนไทล์
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์	เศรษฐมิติ
ตระกูล	Regression model	Regression model	Regression model
ปีกำเนิด	1984	1987	1978
ผู้ริเริ่ม	Peter J. Rousseeuw	Victor J. Yohai	Koenker & Bassett
ประเภท	Robust linear regression	Robust linear regression	Conditional quantile regression
แหล่งต้นตำรับ	Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880.	Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656.	Koenker, R. & Bassett, G., Jr. (1978). Regression Quantiles. Econometrica, 46(1), 33-50.
ชื่อเรียกอื่น	LTS, least trimmed squares regression, trimmed least squares, robust regression	MM-estimation, MM robust regression, high-breakdown high-efficiency estimator, MM-Tahmin Edici	conditional quantile regression, regression quantiles, Kantil Regresyon
ที่เกี่ยวข้อง	5	5	5
สรุป	Least Trimmed Squares is a robust linear regression method introduced by Peter J. Rousseeuw in 1984. Instead of fitting all residuals, it estimates the coefficients by minimising the sum of only the h smallest squared residuals, which gives it a breakdown point of up to 50% and reliable estimates on data heavily contaminated by outliers.	The MM-estimator is a robust linear regression method introduced by Victor J. Yohai in 1987. It combines the high breakdown point of an S-estimator with the high efficiency of an M-estimator, so it resists outliers strongly while still using the data efficiently when errors are well-behaved.	Quantile regression models conditional quantiles of an outcome - the median, the 25th or 75th percentile, and so on - rather than the conditional mean that OLS targets. Introduced by Koenker and Bassett in 1978, it reveals how predictors act across the whole distribution, including its tails.