در مدل های رگرسیون خطی کلاسیک از کمینه کردن مجموع توان های دوم باقی خطا برای برازش مدل استفاده کرده و تابع میانگین شرطی را پیش بینی می کند. ولی این روش توان نمایش توزیع داده ها در سطوح مختلف متغیرمستقل را ندارد. یکی از راههای برطرف کردن این مشکل استفاده از مدل های رگرسیون چندک است که با برآورد تابع میانه ی شرطی وتعداد زیادی از توابع چندک شرطی امکان نمایش توزیع داده ها را مهیا می گردند. در این پایان نامه مدل های رگرسیون چندک ، روشهای برآورد پارامترهای آن معرفی می گردد.سپس نقاط موثر و نقاط دورافتاده و روش های شناسایی و کاهش اثرات این داده ها با استفاده از روش های استوار مورد بحث و بررسی قرار می گیرد. سپس انواع مشاهدات سانسور شده و مدل های رگرسیون چندک سانسور شده و استوار شده آن معرفی می شود. در ادامه با استفاده از روش های شبیه سازی برآورد تعمیم یافته کانکر و باست در حضور مشاهدات راست سانسور شده در متغیر پاسخ به ازای چندک های مختلف و برآورد به دست آمده از روش کمترین مربعات خطا مورد مقایسه قرار می گیرد.