Least Median of Squares Regression
最小中位数平方回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用稳健回归；目标函数使用中位数不足以证明其属于经济变量的分位数或分布效应研究。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
最小中位数平方回归
- 研究问题
- 如何改变回归残差的聚合准则，使估计能够抵御较高比例的数据污染，并理解简单回归中的几何含义？
- 方法与思路
- 作者以平方残差的中位数替代平方残差之和进行最小化，并讨论向多元位置估计、正交回归和线性模型检验的推广。
- 材料陈述的贡献
- 摘要称，该估计量可抵御接近一半数据的污染；简单回归中，它对应于寻找覆盖一半观测的最窄条带。
- 阅读关注点
- 应核对污染与抵抗能力的定义、样本和模型条件、最小化问题的求解方式，以及各推广是否具有相应的理论保证。
- 阅读边界
- 仅据所给 OpenAlex 摘要，版本未注明；摘要未给出污染结论的完整条件、计算程序或效率比较，不能推断刊本变化。
原文摘要
Classical least squares regression consists of minimizing the sum of the squared residuals. Many authors have produced more robust versions of this estimator by replacing the square by something else, such as the absolute value. In this article a different approach is introduced in which the sum is replaced by the median of the squared residuals. The resulting estimator can resist the effect of nearly 50% of contamination in the data. In the special case of simple regression, it corresponds to finding the narrowest strip covering half of the observations. Generalizations are possible to multivariate location, orthogonal regression, and hypothesis testing in linear models.