Regression model

ระยะมาฮาลาโนบิสแบบคงทน

ระยะมาฮาลาโนบิสแบบคงทน (Robust Mahalanobis Distance) ใช้ระบุค่าผิดปกติพหุตัวแปรโดยการวัดว่าแต่ละการสังเกตการณ์อยู่ห่างจากจุดศูนย์กลางของข้อมูลเท่าใด โดยใช้การประมาณค่าความแปรปรวนร่วมที่คงทน วิธีการนี้พัฒนาต่อยอดมาจากกรอบแนวคิดระยะทางแบบคงทนของ Rousseeuw และ Van Zomeren (1990) และแนวทางการตรวจจับค่าผิดปกติพหุตัวแปรของ Filzmoser, Garrett และ Reimann (2005) โดยแทนที่ค่าเฉลี่ยและความแปรปรวนร่วมแบบดั้งเดิมด้วยการประมาณค่าตัวกำหนดความแปรปรวนร่วมต่ำสุด (Minimum Covariance Determinant: MCD) เพื่อไม่ให้ค่าผิดปกติบิดเบือนระยะทางเอง

นำไปใช้ด้วย StatMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. Rousseeuw, P. J. & Van Zomeren, B. C. (1990). Unmasking Multivariate Outliers and Leverage Points. Journal of the American Statistical Association, 85(411), 633-639. DOI: 10.1080/01621459.1990.10474920
  2. Filzmoser, P., Garrett, R. G. & Reimann, C. (2005). Multivariate Outlier Detection in Exploration Geochemistry. Computational Statistics & Data Analysis, 49(2), 561-587. DOI: 10.1016/j.cageo.2004.11.013

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/th/statistics/mahalanobis-robust

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateRobust Mahalanobis Distance (Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/statistics/mahalanobis-robust · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026