در تجزیه و تحلیل مسائل رگرسیونی و به ویژه مدل بندی آماری بسیاری از داده ها مانند داده های اقتصادی، روانشناسی، علوم اجتماعی، علوم پزشکی، مهندسی و غیره با مشکل هم خطی در میان متغیرهای پیشگو و حضور نقاط دورافتاده در مجموعه داده ها مواجه می شویم. در چنین مواقعی برآوردگر کمترین توان های دوم معمولی منجر به برآوردگرهای نادقیق می شود. برای غلبه بر مشکل مشاهده های دورافتاده از روش های استوار استفاده می شود. همچنین برای حل مشکل هم خطی چندگانه استفاده از رگرسیون مرزبندی شده توصیه می شود. از طرف دیگر در شرایطی که واریانس خطا ها ناهمگن بوده یا خطا ها دارای خودهمبستگی باشند، از روش کم ترین توان های دوم تعمیم یافته استفاده می شود. در این مقاله ابتدا یک الگوریتم سریع برای محاسبه برآوردگر کم ترین توان های دوم تعمیم یافته پیراسته مرزبندی شده محتمل در مدل رگرسیون نیمه پارامتری پیشنهاد شده و سپس با استفاده از شبیه سازی به روش مونت کارلو و یک داده واقعی، کارایی برآوردگرهای پیشنهادی سنجیده می شود.