在“单因子”平台中，“稳健”选项提供两种方法来降低来自数据集中离群值或极端数据点的影响：“稳健拟合”和“Cauchy 拟合”。每种方法都在“单因子”图的稳健均值处添加一条线。
• “稳健拟合”选项可降低响应变量中离群值的影响。需要使用 Huber M 估计方法。Huber M 估计查找可将 Huber 损失函数最小化的参数估计值。Huber 损失函数惩罚离群值，并且对于小误差呈二次增长，对于大误差呈线性增长。有关稳健拟合的更多详细信息，请参见 Huber (1973) 和 Huber and Ronchetti (2009)。请参见“稳健拟合”选项的示例。有关 Huber 损失函数的详细信息，请参见稳健拟合的统计详细信息。
• “Cauchy 拟合”选项假定误差服从 Cauchy 分布。Cauchy 分布具有比正态分布更肥大的尾部，从而弱化了对离群值的强调。若您的数据中有较大比例的离群值，该选项会很有用。不过，若您的数据接近正态，只含有少数离群值，该选项会导致不正确的推断。Cauchy 选项使用最大似然和 Cauchy 连结函数估计参数。
注意：在启动窗口中指定“区组”变量时，“稳健”选项不可用。
在报表中针对“稳健”选项创建了两个表。表中包含以下列：
Sigma
sigma 值，等同于均方根误差 (RMSE)。
卡方
假设模型拟合好于响应均值的检验统计量。
p 值
斜率等于 0 的卡方检验值的 p 值。
LogWorth
LogWorth 是一种变换的 p 值，定义为 -log10(p 值)。
水平
X 变量的水平。
稳健均值
基于 Huberor 或 Cauchy方法估计的稳健均值。
标准误差
参数估计值的标准误差估计值。