计量经济模型
稳健回归(RANSAC)
当少数天价或错录挂牌把普通最小二乘的面积斜率拽歪时，用 Huber M 估计给大残差降权，再用 RANSAC 共识标出拒绝带。
这篇能回答什么
稳健回归要回答的不是「面积每多一平米，总价平均涨多少」——那是线性回归的 OLS 问题。它问的是：「把对斜率影响力被截断之后，主体挂牌还承认怎样一条面积—总价直线」。Huber 的 M 估计在 |标准化残差| 小于调谐常数 k（常用 1.345）时仍用平方损失，越过 k 就改成线性损失，于是单套 1471.5 万的豪宅不能再按残差平方无限拉拽。RANSAC 则从随机子集长出共识内点，把共识外的点标进拒绝带。目录卡片写 RANSAC，是因为工作台同时交出共识标签；论文方法节应写清你读的是 Huber 权还是共识复估，二者不是同一套目标函数。
教学占用把完整个案按残差带切开，不要当成户型或城市。满权内点 C 191 套（60.06%），Huber 过渡带 A 68 套（21.38%），拒绝带 B 59 套（18.55%），合计 N=318。住房评价原文有 600 行，本页 318 是成表删除并完成残差分层后的教学口径，不能回写「全表 600 套都进了 Huber」。C 过半说明主体云团仍在；B 接近两成，说明若坚持 OLS，这两成的平方损失会主导法方程。
如何选择方法
先画总价对面积的散点。云团清楚、只有几颗飞点 → Huber / RANSAC。整片扇形或上尾更陡 → 分位过程。只要一条可发表的 OLS 且残差看起来对称 → 普通最小二乘。想自动把楼层系数收到零 → Lasso，那是收缩，不是降权。
稳健回归（Huber M + RANSAC 标签）：定量 Y，定量 X；主读满权带斜率，占用表报告残差带人数。
普通最小二乘：平方损失，影响力无界；适合干净的成绩或实验数据。
分位数回归：估 Q_τ(Y∣X)，不假设对称误差，也不给点打「拒绝」标签。
Lasso / 逐步：选变量，不解决「一颗豪宅拽斜率」。
输入、输出与限制
输入
因变量必须定量（总价(万元)）。自变量以定量为主（面积(平米)、楼层、总楼层、建筑年份）。定类列若进入，先哑元化；城市、区域水平太多时不要整列丢进设计矩阵。Huber 的 k 与 RANSAC 的共识阈值是调谐，不是显著性水平。
自变量：最少 1 个定量列；本练习以面积(平米)为主，需要时可加楼层。
因变量：恰好 1 个定量列（总价(万元)）。
残差分层：输出侧按 |r|/σ 切满权、过渡、拒绝三带。
输出
结果表项目列写「稳健回归(RANSAC)」。类别 A/B/C 是残差带，不是装修档。A 过渡 68（21.38%），B 拒绝 59（18.55%），C 满权 191（60.06%），合计 318。另有对照散点：OLS 直线会被高价点抬起，Huber 直线贴着主体云团。系数表若出现，读的是降权后的斜率，没有 OLS 那套 Beta 与 VIF 的默认义务。
产品限制
住房原文 600 行与本页 N=318 不可互换；缺面积或总价的行不会进入残差带。
k=1.345 是正态下约 95% 效率的常用值，不是检验通过的证据。
RANSAC 的共识集随随机种子会抖，拒绝带人数允许有几个点的出入。
房源ID、小区名称禁止当斜率变量。
案例
研究问题。 住房评价表里既有 50 平出头的毛坯，也有深圳福田 161.7 平、总价 1471.5 万的四室。研究者怀疑普通最小二乘会把面积斜率拽向豪宅，希望看到「主体挂牌」承认的平米单价，并数清有多少套被降权、多少套被共识拒绝。
练习用评价表 Sheet1。角色：自变量面积(平米)，因变量总价(万元)。残差带占用合计 318：满权 191、过渡 68、拒绝 59。下载后不要勾房源ID。若你同时跑一遍 OLS，两套斜率不必相同——不相同才是本页存在的理由。
在 StatsX 中操作
步骤 1 · 放入住房表
把 evaluation.xlsx 拖进工作台，确认工作表是 Sheet1。单价(元/平米)与总价(万元)不要同时当 Y，否则近乎代数循环。
步骤 2 · 先看总价尾巴
列画像里总价右偏、面积也有大平层。记下几套明显偏离云团的挂牌，后面要对照拒绝带是不是收走了它们。
步骤 3 · 点带 RANSAC 的稳健卡片
目录搜「稳健」或「RANSAC」。不要点线性回归那张：那张交 B、Beta、VIF，不交残差带人数。
步骤 4 · 只给面积和总价
自变量勾面积(平米)，因变量勾总价(万元)。楼层可作对照，但第一遍先单变量，方便和散点叠线。
步骤 5 · 对残差带而不是对户型
核 C 是否仍约 191、B 是否仍约 59。把 Huber 直线和 OLS 直线并排：若几乎重合，说明这份抽取里飞点还没能左右法方程；若明显变平，主体斜率应以 Huber 为准。
如何阅读输出
占用表第一格是「稳健回归(RANSAC)」。把类别翻译成残差带：A=68 为 Huber 过渡（权重 = k/|r|），B=59 为拒绝/共识外点，C=191 为满权内点（权重 = 1），合计 318。占比 21.38% / 18.55% / 60.06%。C 的 60% 是「主体还在」，不是「已经没有污染」。B 的 18.55% 若被 squaring，OLS 的法方程会被它们主导。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 稳健回归(RANSAC) | 类别 A | 频数 | 68 |
| 稳健回归(RANSAC) | 类别 B | 频数 | 59 |
| 稳健回归(RANSAC) | 类别 C | 频数 | 191 |
| 稳健回归(RANSAC) | 合计 | 有效样本 N | 318 |
| 稳健回归(RANSAC) | 类别 A | 占比(%) | 21.38 |
| 稳健回归(RANSAC) | 类别 B | 占比(%) | 18.55 |
| 稳健回归(RANSAC) | 类别 C | 占比(%) | 60.06 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
阅读顺序：有效 N → 三带人数是否合理 → Huber 斜率与 OLS 斜率的差 → 拒绝带里是不是那些总价极端的挂牌。差得大，主表报 Huber，并把 OLS 放进附录当「被飞点拉过的对照」。差得小，写一句「本抽取里平方损失与 Huber 损失几乎同意」，不要假装做了一次「更高级的回归」。标准化残差用的 σ 来自稳健尺度（如 MAD），不是 OLS 的 RMSE，所以同一套房子在两套尺度下可能换带。
满权 191 套决定了大部分信息矩阵；过渡 68 套仍贡献方向、但影响力被夹住；拒绝 59 套不进入终轮复估。删掉 B 再跑 OLS，得到的是「人工截尾最小二乘」，权函数与 Huber 不同，系数不必等于本页。
理论与公式
M 估计求解 ∑ ρ((y_i−x_iᵀβ)/σ) 的最小点。Huber 损失在调谐常数 k 两侧切换：
得分函数 ψ=ρ′ 有界，因此单个残差对估计方程的拉力被截在 ±k。对应权重为
OLS 相当于 k→∞，w≡1，影响力无界。RANSAC 不最小化 ρ，它最大化「落在阈值内的点数」，再在共识集上复估；本页 B 带近似共识外点，C 带近似共识内点，A 带是 Huber 仍给权、共识可能犹豫的过渡。k=1.345 在正态误差下约保留 95% 效率。本例 n=318，满权 191，拒绝 59：污染比例大约一成八，已超过「只有两三颗飞点」的教科书插图，Huber 与 OLS 理应分叉。
注意事项
Huber 降权 ≠ 删除；把 B 带手工删掉再跑平方损失，不是本页的估计量。
卡片写 RANSAC，方法节不要写成「RANSAC 最小化了 Huber ρ」——那是两套算法。
k 与共识阈值一改，三带人数会搬家，斜率也会动。
高杠杆、残差却不大的点（面积极大但总价「恰好」在线上）Huber 可能仍满权，要另看帽子矩阵。
N=318 不是 600，缺失模式必须和残差带一起报。
降权后的斜率仍然是关联，不是「面积导致总价」。
常见问题
参考文献
Huber, P. J. Robust Estimation of a Location Parameter. Annals of Mathematical Statistics.
Rousseeuw, P. J., Leroy, A. M. Robust Regression and Outlier Detection. Wiley.
Fischler, M. A., Bolles, R. C. Random Sample Consensus. Communications of the ACM.
Maronna, R. A., Martin, R. D., Yohai, V. J. Robust Statistics: Theory and Methods. Wiley.