Je viens de trouver la fonction "Robust Fitting of Linear Models" rlm() dans la MASSbibliothèque .
Je voudrais connaître la différence entre cette fonction et la fonction de régression linéaire standard, lm().
Quelqu'un pourrait-il me donner une courte explication?
Réponses:
C'est ( rlm) pour les modèles linéaires robustes. Il est décrit dans Venables & Ripley. Cependant, les détails des calculs robustes ne rentreraient pas dans une "réponse courte": vous devez consulter plusieurs articles de Ripley, Tukey et d'autres.
C'est une forme de régression robuste qui utilise des M-estimateurs .
Consultez cet article de Ripley pour plus d'informations: http://www.stats.ox.ac.uk/pub/StatMeth/Robust.pdf
La fonction lm utilise la méthode des moindres carrés ordinaires (OLS) pour réduire les résidus. tandis que la fonction rlm utilise des M-estimateurs. OLS est très sensible aux valeurs aberrantes, la méthode d'estimation M ne l'est pas.
Réponse courte:
dans rlm(), les points ne sont pas traités de manière égale. Le poids de chaque point serait ajusté selon un processus itératif. rlm()est moins sensible aux valeurs aberrantes, car les valeurs aberrantes auront un poids réduit.
Si vous voulez une réponse courte pour les mathématiques, je suggère un article fourni par Johns Hopkins Bloomberg School of Public Health