Почему бы не использовать надежную регрессию каждый раз?

Примеры этой страницы показывают, что выбросы заметно влияют на простую регрессию, и это можно преодолеть с помощью методов надежной регрессии: http://www.alastairsanderson.com/R/tutorials/robust-regression-in-R/ . Я считаю, что lmrob и ltsReg - это другие надежные методы регрессии.

Почему бы не делать надежную регрессию (например, rlm или rq) каждый раз, а не выполнять простую регрессию (lm)? Есть ли недостатки этих надежных методов регрессии? Спасибо за ваше понимание.

Теорема Гаусса-Маркова :

В линейной модели со сферическими ошибками (которая включает в себя допущение об отсутствии выбросов через конечную дисперсию ошибок), OLS эффективен в классе линейных несмещенных оценок - существуют (безусловно, ограничивающие) условия, при которых " Вы не можете сделать лучше, чем OLS ".