rlm()与lm_robust()的差异对比及选择建议咨询

一、数学原理本质区别 #

1. MASS::rlm()：针对系数估计的稳健回归 #

它是M-估计框架下的迭代加权最小二乘法（IRLS），核心是直接修正回归系数的计算逻辑：

• 通过权重函数（默认Huber，可选Tukey biweight等）给残差大的异常值赋予更低权重，从根源上降低极端值对系数估计的影响
• 迭代过程：先按OLS计算残差，再根据权重函数更新每个样本的权重，重新拟合模型，直到权重和系数收敛
• 最终得到的系数是对异常值不敏感的稳健估计量，和OLS系数完全不同

2. estimatr::lm_robust()：针对标准误的稳健修正 #

它的系数估计和普通lm()完全一致，都是OLS结果——也就是说，异常值依然会影响系数；它的"稳健"体现在标准误的计算上：

• 支持HC0-HC3等异方差稳健标准误，也支持聚类稳健标准误
• 解决的是OLS标准误在异方差/聚类场景下的偏误问题，而非异常值对系数的扭曲

二、场景化选择建议 #

• 核心需求是消除异常值对系数的扭曲：选MASS::rlm()。比如因变量或自变量存在明显离群点，你希望回归结果反映多数样本的真实趋势，而非被少数极端值带偏
• 核心需求是修正标准误的可靠性：选estimatr::lm_robust()。比如数据存在异方差（残差方差随自变量变化）或聚类结构（如同一区域的样本），但你认可OLS系数的合理性，只是需要更准确的统计推断结果
• 进阶场景：如果既要稳健系数又要稳健标准误，可以先用rlm()得到稳健系数，再手动计算对应的稳健标准误（比如用sandwich包的函数）

内容的提问来源于stack exchange，提问作者Vivien