什么是强大的回归？

描述的模型什么是线性回归模型？基于某些假设，例如观察到的响应中的误差的正常分布。如果错误的分布是不对称或容易的异常值，则模型假设是无效的，并且参数估计，置信区间和其他计算统计数据变得不可靠。用Fitlm.与之抢劫案名称值对以创建异常值不大影响的模型。稳健的拟合方法比普通的最小二乘敏感程度较小，到数据的小部分的大变化。

通过为每个数据点分配权重来实现强大的回归工作。使用调用的过程自动且迭代地完成加权迭代地重复最小二乘。在第一迭代中，每个点被分配相等权重，使用普通最小二乘估计模型系数。在随后的迭代处，重新计算权重，从而较高的重量迭代的模型预测远离模型预测的点。然后使用加权最小二乘来重新计算模型系数。该过程继续，直到系数估计的值会聚在特定的公差范围内。

强大的回归与标准最小二乘拟合

此示例显示如何使用强大的回归。它将稳健的结果与标准最小二乘拟合进行比较。

加载摩尔x = [摩尔（：，1：5）];y =摩尔（:,6）;

mdl = fitlm（x，y）;％不强大mdlr = fitlm（x，y，'抢劫'那'上'）;

子图（1,2,1）plotresids（MDL，'可能性'）子图（1,2,2）plotresids（MDLR，'可能性'）

[〜，异常值] = max（mdlr.residuals.raw）;mdlr.robust.weights（异常值）

ans = 0.0246.

中位数（mdlr.robust.weights）

ANS = 0.9718.