A new algorithm for the Huber estimator in linear models (Q1101199)

Eine interessante und gegenüber großen Residuen wenig empfindliche Alternative zur MKQ-Schätzung beim linearen Regressionsmodell ist der Huber-Schätzer, bei dem \(\sum^{m}_{i=1}\rho (r_ i/k\sigma)\) mit \(\rho (t)=t^ 2\) für \(| t| \leq 1\), \(\rho (t)=| t| - 1/2\) für \(| t| >1\) minimiert wird. Es werden die vorhandenen Schätz-Algorithmen für bekannten und unbekannten Skalenfaktor \(\sigma\) diskutiert und ein neuer effizienter Algorithmus der auf der Newton-Methode beruht, vorgestellt und getestet.