เปรียบเทียบวิธี

	การถดถอยแบบทนทาน	การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Regression model	Regression model
ปีกำเนิด	1964	1984
ผู้ริเริ่ม	Peter J. Huber (M-estimation, 1964); Frank Hampel (influence function, 1974)	Peter J. Rousseeuw
ประเภท	Regression with outlier resistance	Robust linear regression
แหล่งต้นตำรับ	Huber, P. J. (1964). Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35(1), 73–101.	Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880.
ชื่อเรียกอื่น	M-estimation regression, robust linear regression, outlier-resistant regression, MM-estimation	LTS, least trimmed squares regression, trimmed least squares, robust regression
ที่เกี่ยวข้อง	6	5
สรุป	Robust regression estimates the linear relationship between a continuous outcome and predictors while sharply reducing the influence of outliers and leverage points. Unlike OLS, which is highly sensitive to extreme observations, robust methods assign down-weighted influence to atypical data points, producing coefficient estimates that remain stable even when a fraction of the data is contaminated or non-normally distributed.	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.