일원 분석 플랫폼의 "로버스트" 옵션은 데이터 집합에서 이상치 또는 극단 데이터 점의 영향을 줄이기 위한 두 가지 방법으로 "로버스트 적합"과 "Cauchy 적합"을 제공합니다. 각 방법은 일원 분석 그림의 로버스트 평균 위치에 선을 추가합니다.
• "로버스트 적합" 옵션은 반응 변수에서 이상치의 영향을 줄입니다. Huber M-추정 방법이 사용됩니다. Huber M-추정은 다음과 같이 Huber 손실 함수를 최소화하는 모수 추정값을 찾는 방법입니다. Huber 손실 함수는 이상치에 벌점을 부과하며, 작은 오차의 경우에는 2차 형태로 증가하고 큰 오차의 경우에는 선형적으로 증가합니다. 로버스트 적합에 대한 자세한 내용은 Huber 연구 자료(1973) 및 Huber and Ronchetti 연구 자료(2009)에서 확인하십시오. 자세한 내용은 로버스트 적합 옵션의 예에서 확인하십시오. Huber 손실 함수에 대한 자세한 내용은 로버스트 적합에 대한 통계 상세 정보에서 확인하십시오.
• Cauchy 적합 옵션은 오차가 Cauchy 분포를 따른다고 가정합니다. Cauchy 분포는 정규 분포보다 꼬리가 더 두꺼우므로 이상치의 영향이 줄어듭니다. 이 옵션은 데이터에 포함된 이상치의 비율이 높은 경우에 유용할 수 있습니다. 하지만 데이터가 정규 분포에 가깝고 이상치가 일부만 있는 경우에 이 옵션을 사용하면 추론이 잘못될 수 있습니다. Cauchy 옵션은 최대 가능도와 Cauchy 연결 함수를 사용하여 모수를 추정합니다.
참고: 블록 변수가 시작 창에 지정된 경우 로버스트 옵션을 사용할 수 없습니다.
로버스트 옵션에 대해 생성된 보고서에는 두 개의 테이블이 있습니다. 이 테이블에는 다음 열이 포함됩니다.
시그마
RMSE(제곱근 평균 제곱 오차)와 동일한 시그마 값입니다.
카이제곱
모형이 반응의 평균보다 더 잘 적합된다는 가설에 대한 검정 통계량입니다.
p 값
기울기가 0인 카이제곱 검정의 p 값입니다.
LogWorth
LogWorth는 -log10(p 값)으로 정의된 p 값의 변환입니다.
수준
X 변수의 수준입니다.
로버스트 평균
Huber 또는 Cauchy 방법을 기반으로 추정된 로버스트 평균입니다.
표준 오차
모수 추정값의 표준 오차 추정값입니다.