weightsThe LS approach can produce

weights
The LS approach can produce unstable estimates in the presence
of outliers. Consequently, when a dataset contains outliers in
the x- and y-directions, bounded influence estimators are used to
overcome the effects of these outliers by using weights that account
for outliers in both directions. Factor scores, coefficients,
standard errors and t values for bounded influence M regression
with Schweppe weights were calculated and are presented below.

ผลลัพธ์ (ไทย) 1:

น้ำหนักวิธี LS สามารถผลิตประเมินไม่เสถียรในการของ outliers ดังนั้น เมื่อการชุดข้อมูลประกอบด้วย outliers ในที่ x-y-ทิศทาง และ ล้อมรอบ estimators ใช้อิทธิพลเอาชนะผลของ outliers เหล่านี้ โดยใช้น้ำหนักสำหรับ outliers ในทั้งสองทิศทาง ปัจจัยคะแนน สัมประสิทธิ์ข้อผิดพลาดมาตรฐานและค่า t ถดถอยอิทธิพลกี่ Mมี Schweppe น้ำหนักคำนวณได้ และจะแสดงด้านล่าง

ผลลัพธ์ (ไทย) 2:

น้ำหนักวิธี LS สามารถผลิตประมาณการไม่แน่นอนในการปรากฏตัวของค่าผิดปกติ ดังนั้นเมื่อมีชุดข้อมูลที่มีค่าผิดปกติในพิกัดที่ x และ y ที่ทิศทางล้อมรอบประมาณอิทธิพลที่ใช้ในการเอาชนะผลกระทบของค่าผิดปกติเหล่านี้โดยใช้น้ำหนักที่บัญชีสำหรับค่าผิดปกติในทั้งสองทิศทาง คะแนนปัจจัยค่าสัมประสิทธิ์, ข้อผิดพลาดมาตรฐานและค่าทีสำหรับขอบเขตอิทธิพลถดถอย M ที่มีน้ำหนัก Schweppe ถูกคำนวณและแสดงเป็นรายการด้านล่าง

ผลลัพธ์ (ไทย) 3:

น้ำหนัก
LS วิธีสามารถผลิตประมาณไม่มั่นคงในตน
ค่าผิดปกติ . ดังนั้นเมื่อข้อมูลมีการแจกแจงใน
x - y-directions จำกัด , อิทธิพลกะใช้
เอาชนะผลกระทบของค่าผิดปกติเหล่านี้ โดยการใช้น้ำหนักที่บัญชี
สำหรับผิดปกติในทั้งสองทิศทาง ปัจจัยคะแนนสัมประสิทธิ์
ข้อผิดพลาดมาตรฐานและค่าอิทธิพลถดถอย
M ล้อมรอบกับ schweppe น้ำหนักคำนวณและแสดงด้านล่าง