Regression model
最小中位数平方（LMS）回归
最小中位数平方（Least Median of Squares, LMS）是一种稳健线性回归方法，由 Peter J. Rousseeuw 于 1984 年提出。它不最小化普通最小二乘法（Ordinary Least Squares, OLS）中的残差平方和，而是最小化残差平方的中位数，这使得拟合能够抵抗高达约 50% 的异常值污染。
用 StatMind 应用即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
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。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI: 10.1080/01621459.1984.10477105 ↗
- 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). Least Median of Squares Regression. ScholarGate. https://scholargate.app/zh/statistics/least-median-squares
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 最小裁剪平方和（LTS）回归统计学↔ 比较
- 普通最小二乘法 (OLS) 回归计量经济学↔ 比较
- 分位数回归计量经济学↔ 比较
- RANSAC回归统计学↔ 比较
- Theil-Sen 估计器统计学↔ 比较