เปรียบเทียบวิธี

	M-Estimators (การถดถอยที่แข็งแกร่ง)	การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์	เศรษฐมิติ
ตระกูล	Regression model	Regression model	Regression model
ปีกำเนิด	2009	1984	2019
ผู้ริเริ่ม	Peter J. Huber	Peter J. Rousseeuw	Wooldridge (textbook treatment); classical least squares
ประเภท	Robust linear regression	Robust linear regression	Linear regression
แหล่งต้นตำรับ	Huber, P. J., & Ronchetti, E. M. (2009). Robust Statistics (2nd ed.). Wiley.	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
ชื่อเรียกอื่น	m-estimation, huber regression, robust m-regression, M-Tahmin Ediciler	LTS, least trimmed squares regression, trimmed least squares, robust regression	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
ที่เกี่ยวข้อง	5	5	5
สรุป	M-estimators are a robust generalisation of maximum likelihood estimation, formalised in the work of Peter J. Huber (Huber & Ronchetti, 2009). Instead of squaring every residual, they apply a bounded loss function so that large residuals from outliers are down-weighted rather than allowed to dominate the fit.	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).