Regression model
Huber回归
Huber回归是一种稳健的线性回归方法，由Peter J. Huber于1964年提出，它通过对小残差和大残差采用不同的损失函数来抵抗异常值的影响。它对小的残差应用平方损失（类似OLS），对大的残差应用较温和的绝对值损失，因此极端观测值无法主导拟合结果。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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
如何引用本页
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/zh/statistics/huber-regression
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.
- 最小裁剪平方和（LTS）回归统计学↔ compare
- M估计量（稳健回归）统计学↔ compare
- MM估计量稳健回归统计学↔ compare
- 普通最小二乘法 (OLS) 回归计量经济学↔ compare
- 分位数回归计量经济学↔ compare