Regression model
การประมาณค่า MM สำหรับการถดถอยที่แข็งแกร่ง (Robust Regression)
ตัวประมาณค่า MM เป็นวิธีการถดถอยเชิงเส้นที่แข็งแกร่ง (robust linear regression) ซึ่งนำเสนอโดย Victor J. Yohai ในปี 1987 เป็นการรวมจุดแตกหักสูง (high breakdown point) ของตัวประมาณค่า S เข้ากับประสิทธิภาพสูง (high efficiency) ของตัวประมาณค่า M ดังนั้นจึงทนทานต่อค่าผิดปกติ (outliers) ได้อย่างมาก ในขณะที่ยังคงใช้ข้อมูลได้อย่างมีประสิทธิภาพเมื่อความคลาดเคลื่อนมีพฤติกรรมที่ดี
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656. DOI: 10.1214/aos/1176350366 ↗
- Koller, M. & Stahel, W. A. (2011). Sharpening Wald-type Inference in Robust Regression for Small Samples. Computational Statistics & Data Analysis, 55(8), 2504-2515. DOI: 10.1016/j.csda.2011.02.014 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/th/statistics/mm-estimator
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.
- การถดถอยแบบกำลังสองน้อยสุดของมัธยฐาน (LMS)สถิติศาสตร์↔ compare
- การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)สถิติศาสตร์↔ compare
- การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)เศรษฐมิติ↔ compare
- การถดถอยแบบ RANSACสถิติศาสตร์↔ compare
- ตัวประมาณค่าแบบ Theil-Senสถิติศาสตร์↔ compare