Regression model

最小裁剪平方和（LTS）回归

最小裁剪平方和（Least Trimmed Squares, LTS）是一种稳健的线性回归方法，由Peter J. Rousseeuw于1984年提出。它不拟合所有残差，而是通过最小化h个最小的平方残差之和来估计系数，这使其具有高达50%的崩溃点，并在受异常值严重污染的数据上提供可靠的估计。

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

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

最小裁剪平方和（LTS）回归

另有 2 项

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 ↗
Rousseeuw, P. J., & Van Driessen, K. (2006). Computing LTS Regression for Large Data Sets. Data Mining and Knowledge Discovery, 12, 29-45. DOI: 10.1007/s10618-005-0024-4 ↗

ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/zh/statistics/least-trimmed-squares

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。