Anzeige
Erschienen in:
2022 | OriginalPaper | Buchkapitel
28. Quantilsregression
verfasst von : Wolfgang Kohn, Riza Öztürk
Erschienen in: Statistik für Ökonomen
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Zusammenfassung
Die Kleinst-Quadrate Regression hat den Nachteil, dass Werte, die eine große Abweichung zum Mittelwert aufweisen, einen überproportionalen Einfluss auf das Regressionsergebnis ausüben (Abschn. 16.4, Hebelwerte und Abb. 28.1). Dies liegt an der quadratischen Schätzfunktion. Die Quantilsregression ist gegenüber Extremwerten in der Stichprobe unempfindlicher (robuster), aber mit dem Nachteil verbunden, dass keine Formel wie bei dem Kleinst-Quadrate Ansatz zur Berechnung der Parameter existiert.