rlm() 和 lm_robust 之间的区别

Question

由于异常值，我想使用稳健的回归方法而不是 lm()。

我无法决定是使用 lm_robust （estimatr 包）还是 rlm （MASS 包）。 这些函数之间存在数学差异吗？ 您推荐哪一款？

Answer 1

“稳健”是统计学中“精确”或“加权”等术语之一；它们同样适用于可能结果截然不同的方法。正如维基百科关于稳健回归的文章所解释的那样，至少有两个问题可能导致常规线性回归出错：

• 异常值或高度影响的观测值，如果它们在拟合中或被排除在拟合之外，则由于其位置，它们对参数估计的影响比其他观测值大得多。
• 缺乏方差齐性或同质性（所有误差均相同且独立分布，这是许多统计模型中的关键假设）。

其中每一个都有自己的补救措施，并且您提到的软件包实现了其中一些：

MASS::rlm

和

robustbase::lmrob

适合所谓的M-估计器，其可以具有比常规最大值更高的故障点（异常值的容差）似然估计器。

estimatr::lm_robust

更适合异方差一致方差，更广泛地说，是一个三明治（协）方差估计量，它放宽了同方差假设。

从您的评论来看，您的数据可能主要受到异常值的影响，因此

MASS::rlm

或

robustbase::lmrob

将是首先尝试的更好选择。此外，例如使用

sandwich

包，您可以获得适合 R 的许多不同类型模型的三明治协方差估计，因此组合可能会让您获得两者的最佳效果。