เปรียบเทียบวิธี

	การประมาณค่า MM สำหรับการถดถอยที่แข็งแกร่ง (Robust Regression)	การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Regression model	Regression model
ปีกำเนิด	1987	1984
ผู้ริเริ่ม	Victor J. Yohai	Peter J. Rousseeuw
ประเภท	Robust linear regression	Robust linear regression
แหล่งต้นตำรับ	Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656.	Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880.
ชื่อเรียกอื่น	MM-estimation, MM robust regression, high-breakdown high-efficiency estimator, MM-Tahmin Edici	LTS, least trimmed squares regression, trimmed least squares, robust regression
ที่เกี่ยวข้อง	5	5
สรุป	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.	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.