เปรียบเทียบวิธี

	การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)	การประมาณค่าความแปรปรวนร่วมที่ทนทาน (MCD)
สาขาวิชา	สถิติศาสตร์	เศรษฐมิติ	สถิติศาสตร์
ตระกูล	Regression model	Regression model	Regression model
ปีกำเนิด	1984	2019	1999
ผู้ริเริ่ม	Peter J. Rousseeuw	Wooldridge (textbook treatment); classical least squares	Rousseeuw; Rousseeuw & Van Driessen (Fast-MCD)
ประเภท	Robust linear regression	Linear regression	Robust multivariate location-scatter estimator
แหล่งต้นตำรับ	Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860	Rousseeuw, P. J. & Van Driessen, K. (1999). A Fast Algorithm for the Minimum Covariance Determinant Estimator. Technometrics, 41(3), 212-223.
ชื่อเรียกอื่น	LTS, least trimmed squares regression, trimmed least squares, robust regression	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu	minimum covariance determinant, MCD estimator, robust covariance estimation, Robust Kovaryans Tahmini (MCD)
ที่เกี่ยวข้อง	5	5	4
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.	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).	Robust Covariance via the Minimum Covariance Determinant (MCD) estimates a multivariate mean vector and covariance matrix that are not distorted by outliers. It was made practical by the Fast-MCD algorithm of Rousseeuw and Van Driessen (1999), building on Rousseeuw's earlier work on robust estimation.