رگرسیون معمولی اساسا برای میانگین شرطی ساخته می شود.بنابراین اگر به معیاری به جز میانگین علاقمند باشیم یا آنکه فرضیه های مدل به دلیل وجود داده های پرت صادق نباشند این الگو مناسب نخواهد بود.این در حالی است که رگرسیون چندکی نسبت به داده های پرت استوارتر است.در این پایان نامه رگرسیون چندکی برای داده های کامل و بریده شده مورد مطالعه قرار گرفته است و یک روش جدید با استفاده از رگرسیون چندکی برای برآورد پارامترهای مدل رگرسیونی با داده های بریده شده تصادفی از چپ بررسی شده. همچنین کارایی این روش جدید از طریق مطالعات شبیه سازی شده با دو روش دیگر بررسی شده است و به ویژگیهای مجانبی آن نیز پرداخته شده است.