Huber Regresyonu
Huber Robust Regression (M-estimation) · Ayrıca şöyle bilinir: Huber M-estimator, Huber loss regression, robust regression, Huber Regresyonu
Huber regresyonu, Peter J. Huber tarafından 1964 yılında tanıtılan, küçük ve büyük artık değerleri farklı şekilde ele alarak aykırı değerlerin etkisine direnen sağlam bir doğrusal regresyon yöntemidir. Küçük artık değerlere karesel (OLS benzeri) bir kayıp, büyük olanlara ise daha hafif bir mutlak değer kaybı uygular, böylece aşırı gözlemler uyumu domine edemez.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sonuç sürekli olduğunda, ilişki yaklaşık olarak doğrusal olduğunda ve sıradan bir en küçük kareler uyumunu bozacak aykırı değerler içerdiğinden şüphelendiğinizde Huber regresyonunu kullanın. Makul bir örneklemle (en az yaklaşık 30 gözlem) en iyi şekilde çalışır ve temel ilişkinin doğrusal olduğunu varsayar. Çoğu noktanın modeli takip ettiği ancak azınlığın kirlendiği kesitsel veya boylamsal sürekli veriler için tasarlanmıştır. Yüksek kaldıraçlı noktalar mevcut olduğunda veya aykırı değer oranı yüksek olduğunda daha az uygundur.
Güçlü yönler & sınırlılıklar
- Sonuçtaki aykırı değerlere karşı dayanıklıdır: büyük artık değerler yalnızca sınırlı, doğrusal bir ceza alır, bu nedenle uyumu domine edemezler.
- Verilerin temiz kısmında verimli OLS gibi davranır, iyi verimliliği sağlamlıkla birleştirir.
- Yorumlanabilir doğrusal katsayılar üretir, bu nedenle sonuçlar tanıdık bir regresyon gibi okunur.
- Aykırı değer oranı yaklaşık %25'i aştığında bozulur, bu durumda yüksek kırılma noktasına sahip bir tahminciye ihtiyaç duyulur.
- Yüksek kaldıraçlı noktalara (öngörü uzayındaki aykırı değerler) karşı hassastır, bu durumda MM-tahmincisi gibi sınırlı etkiye sahip bir tahminci tercih edilir.
- Doğrusal bir ilişkiyi varsayar ve makul bir örneklem büyüklüğü gerektirir (en az yaklaşık 30 gözlem).
SSS
Huber regresyonu OLS'den nasıl farklıdır?
OLS her artık değeri karesini alır, bu nedenle uzak noktaların büyük, sınırsız bir etkisi olur. Huber regresyonu yalnızca küçük artık değerler için karesel bir kayıp kullanır ve büyük olanlar için doğrusal bir kayba geçer, tek bir aykırı değerin etkisini sınırlarken temiz veriler üzerinde verimli kalır.
Huber regresyonunda δ (epsilon) eşiği nedir?
δ, kaybın kareselden doğrusal'a geçtiği artık değer boyutudur. Daha küçük δ yöntemi aykırı değerlere karşı daha sağlam, ancak daha az verimli hale getirir; daha büyük δ OLS'ye daha çok benzer. Sağlamlık ve verimlilik arasındaki dengeyi yönetir.
Huber regresyonu ne kadar aykırı değeri tolere edebilir?
Huber regresyonu yaklaşık %25'e kadar aykırı değerlere karşı güvenilirdir. Bunun ötesinde kırılma noktasına ulaşır ve en az kırpılmış kareler gibi yüksek kırılma noktasına sahip bir yöntem daha uygundur.
Yüksek kaldıraçlı noktalar hakkında ne düşünüyorsunuz?
Huber regresyonu sonuçtaki aykırı değerlerin etkisini sınırlar ancak öngörü uzayındaki aykırı değerlerin (yüksek kaldıraçlı noktalar) etkisini sınırlamaz. Bu tür noktalar mevcut olduğunda, MM-tahmincisi gibi sınırlı etkiye sahip bir tahminci daha iyi bir seçimdir.
Kaynaklar
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73-101. DOI: 10.1214/aoms/1177703732 ↗
- Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J., & Stahel, W. A. (1986). Robust Statistics: The Approach Based on Influence Functions. Wiley. ISBN: 978-0471735779
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/tr/statistics/huber-regression
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- En Az Kırpılmış Kareler (EAK) Regresyonuİstatistik↔ karşılaştır
- M-kestekleri (Sağlam Doğrusal Regresyon)İstatistik↔ karşılaştır
- Sağlam Regresyon için MM-Tahminiİstatistik↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır