ロバスト線形モデル¶

ノルムにリストされているM推定量をサポートするロバスト線形モデル。

コマンドと引数については、モジュールリファレンスを参照してください。

例¶

# Load modules and data
In [1]: import statsmodels.api as sm

In [2]: data = sm.datasets.stackloss.load()

In [3]: data.exog = sm.add_constant(data.exog)

# Fit model and print summary
In [4]: rlm_model = sm.RLM(data.endog, data.exog, M=sm.robust.norms.HuberT())

In [5]: rlm_results = rlm_model.fit()

In [6]: print(rlm_results.params)
const       -41.026498
AIRFLOW       0.829384
WATERTEMP     0.926066
ACIDCONC     -0.127847
dtype: float64

詳細な例はこちらにあります

技術ドキュメント¶

重み関数

参考文献¶

PJ Huber. 『ロバスト統計』 John Wiley and Sons, Inc., New York. 1981.
PJ Huber. 1973, 『1972 Wald Memorial Lectures: ロバスト回帰：漸近、推測、モンテカルロ』 The Annals of Statistics, 1.5, 799-821.
R Venables, B Ripley. 『Sにおける現代応用統計学』 Springer, New York,
C Croux, PJ Rousseeuw, 『2つの非常にロバストなスケール推定量のための時間効率の良いアルゴリズム』 Computational statistics. Physica, Heidelberg, 1992.

モジュールリファレンス¶

モデルクラス¶

`RLM`(endog, exog[, M, missing])	ロバスト線形モデル

モデルの結果¶

`RLMResults`(model, params, ...)	RLM結果を格納するクラス

ノルム¶

`AndrewWave`([a])	M推定のためのAndrewのウェーブ関数
`Hampel`([a, b, c])	M推定のためのHampel関数
`HuberT`([t])	M推定のためのHuberのT関数
`LeastSquares（最小二乗法）`()	M推定のための最小二乗rhoとその導関数。
`MQuantileNorm`(q, base_norm)	基底ノルムに基づくM分位点目的関数
`RamsayE`([a])	M推定のためのRamsayのEa
`RobustNorm（ロバストノルム）`()	ロバスト回帰に使用されるノルムの親クラス。
`TrimmedMean`([c])	M推定のための調整平均関数
`TukeyBiweight`([c])	M推定のためのTukeyのbiweight関数
`estimate_location`(a, scale[, norm, axis, ...])	self.normと現在のスケール推定量を使用した位置のM推定量

スケール¶

`Huber`([c, tol, maxiter, norm])	位置とスケールを共同で推定するためのHuberの提案2
`HuberScale`([d, tol, maxiter])	ロバスト線形モデルをフィッティングするためのHuberのスケーリング
`mad`(a[, c, axis, center])	配列の指定された軸に沿った中央絶対偏差（MAD）
`hubers_scale（Huberのスケール）`	ロバスト線形モデルをフィッティングするためのHuberのスケーリング
`iqr`(a[, c, axis])	配列の指定された軸に沿った正規化された四分位範囲（IQR）
`qn_scale`(a[, c, axis])	スケールのQnロバスト推定量を計算する

最終更新日：2024年10月3日