非常稳健回归方法比较的参数化框架

有几种方法可以获得回归参数的非常稳健估计，这些估计在渐近意义上能抵抗数据中 50% 的异常值。这些算法行为的差异取决于回归数据与异常值之间的距离。我们引入了一个参数 $\lambda$，它在模型空间中定义了一条参数路径，使我们能够系统地研究当数据组从相距甚远移动到彼此靠近时估计量的性质。作为 $\lambda$ 的函数，我们考察了五种估计量的方差和平方偏差，并考虑了它们在检测异常值时的功效。这种系统化的方法提供了获取知识和更好地理解稳健估计量性质的工具。