เปรียบเทียบวิธี

	การถดถอยโลจิสติกส์พหุนามแบบทนทาน	การถดถอยโลจิสติกส์หลายตัวแปร
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Regression model	Regression model
ปีกำเนิด	2001 (robust GLM); 1970s–1980s (multinomial logistic regression)	1966–1974
ผู้ริเริ่ม	Cantoni & Ronchetti (robust GLM framework); Agresti (multinomial logistic regression)	Cox (1966); Theil (1969); formalized by McFadden (1974)
ประเภท	Robust classification model	Generalized linear model
แหล่งต้นตำรับ	Cantoni, E., & Ronchetti, E. (2001). Robust inference for generalized linear models. Journal of the American Statistical Association, 96(455), 1022–1030.	Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Wiley-Interscience. ISBN: 978-0471360933
ชื่อเรียกอื่น	robust polychotomous logistic regression, outlier-resistant multinomial regression, robust nominal logistic regression, M-estimation multinomial logistic regression	polytomous logistic regression, softmax regression, multinomial logit, nominal logistic regression
ที่เกี่ยวข้อง	5	4
สรุป	Robust multinomial logistic regression extends the standard multinomial logit model to handle outliers, influential observations, and mild misspecification of the response distribution. It replaces the conventional maximum likelihood score equations with bounded influence functions (M-estimation) or pairs maximum likelihood with sandwich variance estimators, so that a small fraction of anomalous cases cannot distort the estimated log-odds ratios across outcome categories.	Multinomial logistic regression extends binary logistic regression to outcomes with three or more unordered categories. It models the log-odds of each category relative to a chosen reference category as a linear function of the predictors, and estimates all parameters simultaneously via maximum likelihood. It is the standard choice when the dependent variable is nominal with multiple levels.