İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›İstatistik›W-Tahminleyici Sağlam Regresyon (Welsch / Tukey Çiftkare)
Regression model

W-Tahminleyici Sağlam Regresyon (Welsch / Tukey Çiftkare)

W-Estimator Robust Regression (Welsch / Tukey Bisquare) · Ayrıca şöyle bilinir: Tukey bisquare M-estimator, Welsch M-estimator, redescending M-estimator, W-Tahmin Edici (Welsch / Tukey Bisquare)

W-tahminleyici, Beaton ve Tukey'nin (1974) çalışmalarına dayanan, Tukey çiftkare ve Welsch ağırlık fonksiyonlarını kullanan, doğrusal regresyon için sağlam M-tahminleyici varyantlarından oluşan bir ailedir. Artıklar büyüdükçe ağırlıkları sıfıra doğru hızla düştüğü için, Huber M-tahminleyiciden daha güçlü bir şekilde aykırı değerlere direnir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

W-Tahminleyici Sağlam Regresyon (Welsch / Tukey Çiftkare)
Sağlam Regresyon için MM…En Küçük Kareler (EK) Re…S-tahminiyle Sağlam Doğr…Theil-Sen TahmincisiSağlam Kümeleme Analizi…

Ne zaman kullanılır

W-tahminleyiciyi, yanıt yönündeki aykırı değerlerin varlığında güvenilir kalan sürekli bir sonucun doğrusal regresyonunu istediğinizde kullanın. Artıkların kabaca simetrik olduğunu varsayar ve verilerin yaklaşık %50'sine kadar kontamine bir kesri tolere eder; en az 30 gözlemden oluşan bir örneklem önerilir. Öngörücü uzayda yüksek kaldıraçlı noktalara sahip verilerde daha az uygundur, burada yüksek kırılma noktasına sahip bir yönteme ihtiyaç duyulur ve çok küçük örneklemlerde (n < 20) yakınsama başarısız olabilir.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Azalan ağırlıkları büyük artıklar için tam olarak sıfıra düştüğü için Huber M-tahminleyiciden daha güçlü aykırı değer direnci.
  • Yüksek oranda simetrik aykırı değerleri tolere eder — örneklemin kabaca yarısına kadar.
  • Tanıdık doğrusal model yorumunu korur: katsayılar OLS katsayıları gibi okunur ancak verilerin temiz çoğunluğuna uyumlandırılır.
Sınırlılıklar
  • Yüksek kaldıraçlı noktaların mevcut olduğu durumlarda yetersiz kalabilir, bu durumda bunun yerine yüksek kırılma noktasına sahip bir tahminleyici gerekir.
  • Çok küçük örneklemlerde (n < 20) yakınsama sorunları yaşayabilir.
  • Simetrik bir artık dağılımı varsayar; güçlü çarpık hatalar ağırlıklandırmayı zayıflatır.

SSS

W-tahminleyici Huber M-tahminleyiciden nasıl farklıdır?

Her ikisi de büyük artık değerleri aşağı doğru ağırlıklandırır, ancak Huber ağırlığı yalnızca büyük artık değerler için kaybı düzleştirirken, W-tahminleyicinin çiftkare ve Welsch ağırlıkları sıfıra kadar azalır. Bu, W-tahminleyiciyi büyük aykırı değerleri kesin olarak reddeder hale getirir ve daha hassas yakınsama maliyetiyle daha güçlü direnç sağlar.

Ayarlama sabiti c neyi kontrol eder?

Sabit c, bir artık değerin katkıda bulunmayı nerede durdurduğunu belirler. Tukey çiftkare için yaygın bir seçim c = 4.685'tir, bu da temiz Gauss verileri altında küçük bir verimlilik kaybını sağlamlık için takas eder; daha küçük c, aykırı değerleri daha agresif bir şekilde reddeder.

Ne zaman MM- veya S-tahminleyiciyi tercih etmeliyim?

Kontaminasyon yalnızca yanıtta değil, öngörücü uzayda (yüksek kaldıraçlı noktalar) olduğunda, W-tahminleyici yetersiz kalabilir. MM-tahminleyici gibi yüksek kırılma noktasına sahip bir yöntem, genellikle bir S-tahminleyiciden başlatılarak önerilen alternatiftir.

Ne kadar örneklem büyüklüğüne ihtiyacım var?

Yaklaşık 30 gözlem önerilir. Yaklaşık 20'nin altında, iteratif olarak yeniden ağırlıklandırılmış uyum yakınsamayı başarısız olabilir ve Theil-Sen gibi daha basit bir sağlam yöntem tercih edilir.

Kaynaklar

  1. Beaton, A. E. & Tukey, J. W. (1974). The Fitting of Power Series, Meaning Polynomials, Illustrated on Band-Spectroscopic Data. Technometrics, 16(2), 147-185. DOI: 10.1080/00401706.1974.10489171 ↗
  2. Maronna, R. A., Martin, R. D., Yohai, V. J. & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). W-Estimator Robust Regression (Welsch / Tukey Bisquare). ScholarGate. https://scholargate.app/tr/statistics/w-estimator

İlişkili yöntemler

Sağlam Regresyon için MM-TahminiEn Küçük Kareler (EK) RegresyonuS-tahminiyle Sağlam Doğrusal RegresyonTheil-Sen Tahmincisi

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Sağlam Regresyon için MM-Tahminiİstatistik↔ karşılaştır
  • En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
  • S-tahminiyle Sağlam Doğrusal Regresyonİstatistik↔ karşılaştır
  • Theil-Sen Tahmincisiİstatistik↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Sağlam Kümeleme Analizi (TCLUST)

Benzer yöntemler

Sağlam RegresyonS-tahminiyle Sağlam Doğrusal RegresyonM-kestekleri (Sağlam Doğrusal Regresyon)Sağlam Doğrusal RegresyonSağlam Çoklu Doğrusal RegresyonSağlam Basit Doğrusal RegresyonSağlam Ağırlıklı En Küçük Kareler (Robust WLS)Huber Regresyonu

İlgili referans kavramlar

Robustness (Statistics)Least Squares StatisticsMaksimum Olabilirlik TahminiÇok Değişkenli Çoklu RegresyonKaresel Diskriminant AnaliziNewton-Raphson ve Skorlama Yöntemleri

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — W-Estimator (W-Estimator Robust Regression (Welsch / Tukey Bisquare)). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/statistics/w-estimator · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Beaton & Tukey (bisquare weight); Welsch (Welsch weight)
Year
1974
Type
Robust regression (redescending M-estimator)
Estimator
Iteratively reweighted least squares with redescending weights
Outcome
continuous
BreakdownTolerance
up to ~50% symmetric outliers
İlişkili yöntemler
Sağlam Regresyon için MM-TahminiEn Küçük Kareler (EK) RegresyonuS-tahminiyle Sağlam Doğrusal RegresyonTheil-Sen Tahmincisi
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil