なぜ毎回ロバスト回帰をしないのですか？

このページの例は、単純な回帰が外れ値の影響を著しく受けていることを示しています。これは、ロバスト回帰の手法（http://www.alastairsanderson.com/R/tutorials/robust-regression-in-R/）で克服できます。lmrobとltsRegは他の堅牢な回帰手法だと思います。

単純な回帰（lm）を実行するのではなく、なぜ毎回堅牢な回帰（rlmやrqなど）を行わない方がよいでしょうか。これらの堅牢な回帰手法の欠点はありますか？あなたの洞察をありがとう。

regression multiple-regression robust

— rnso
ソース

これは役に立ちます。

— 共役

ガウス・マルコフの定理：

球形エラーのある線形モデルでは（有限エラー分散を介して、外れ値がないという仮定が含まれます）、OLSは、線形不偏推定量のクラスで効率的です。 OLSを超えることはできません。」

— クリストフ・ハンク
ソース

したがって、外れ値がない場合は、線形回帰が最適です。しかし、ある場合、または他の仮定に違反している場合は、堅牢な回帰を実行できるのは1つだけです。あれは正しいですか？

— rnso 2015

外れ値がある場合は、他の手法の方が適しています。「他の仮定に違反している場合、[...]堅牢な回帰を実行する必要がある」という結論にはジャンプしません。これはすべての違反の万能薬ではありません。Fx、エラーがリグレッサと相関関係にあり、因果関係の後である場合、インストルメンタル変数テクニックが求められます。

— Christoph Hanck、2015