কেন প্রতিবার শক্তিশালী রিগ্রেশন হয় না?

Question

এই পৃষ্ঠার উদাহরণগুলি দেখায় যে সাধারণ রিগ্রেশন আউটলিয়ারদের দ্বারা স্পষ্টভাবে প্রভাবিত হয় এবং এটি শক্তিশালী রিগ্রেশন পদ্ধতির মাধ্যমে কাটিয়ে উঠতে পারে: http://www.alastairsanderson.com/R/tutorials/robust-regression-in-R/ । আমি বিশ্বাস করি lmrob এবং ltsReg অন্যান্য শক্তিশালী রিগ্রেশন কৌশল।

কেন প্রতিটি বার সাধারণ রিগ্রেশন (এলএম) না করে শক্ত রিগ্রেশন (আরএলএম বা আরকিউ এর মতো) করা উচিত নয়? এই শক্তিশালী রিগ্রেশন কৌশলগুলির কোনও অসুবিধা আছে কি? আপনার অন্তর্দৃষ্টি জন্য ধন্যবাদ।

Comments

এটি সহায়ক হতে পারে।

— কনজুগেটপায়ার

Answer 1

গাউস-মার্কভ উপপাদ্য :

গোলাকার ত্রুটিযুক্ত রৈখিক মডেলটিতে (যার সাথে সীমাবদ্ধ ত্রুটি বৈকল্পের মাধ্যমে কোনও আউটলিয়ারের অনুমান অন্তর্ভুক্ত) ওএলএস লিনিয়ার নিরপেক্ষ অনুমানকগুলির একটি শ্রেণিতে দক্ষ - এটিতে (সীমাবদ্ধ, নিশ্চিত হওয়ার জন্য) শর্ত রয়েছে যার অধীনে " আপনি ওএলএস এর চেয়ে ভাল করতে পারবেন না "।

Comments

সুতরাং যদি কোনও আউটলিয়ার না থাকে তবে লিনিয়ার রিগ্রেশন সেরা হবে। তবে যদি সেখানে থাকে বা অন্য অনুমানগুলি লঙ্ঘিত হচ্ছে তবে কেবলমাত্র একজনকেই শক্তিশালী অনুভূতিগুলি করা উচিত। এটা কি ঠিক?

— rnso

যদি বিদেশী থাকে তবে অন্যান্য কৌশলগুলি আরও ভাল, হ্যাঁ। আমি এই সিদ্ধান্তে পৌঁছতে পারব না যে "যদি অন্য অনুমানের লঙ্ঘন করা হয় তবে [...] একজনের উচিত শক্ত প্রতিরোধ করা উচিত" - সমস্ত লঙ্ঘনের জন্য এটি নিরাময় নয়। এফএক্স, যখন ত্রুটিগুলি রেজিস্ট্রারগুলির সাথে সম্পর্কিত হয় এবং আপনি কার্যকারণ প্রভাবের পরে থাকেন তবে উপকরণের ভেরিয়েবল কৌশলগুলির জন্য ডাকা হয়।

— ক্রিস্টোফ হ্যাঙ্ক