برآوردگر استوار مرزبندی شده تعمیم یافته محتمل در مدل رگرسیون نیمه پارامتری
محل انتشار: مجله علوم آماری، دوره: 13، شماره: 2
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 151
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-13-2_009
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
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.
کلیدواژه ها:
Breakdown Point ، Generalized Cross Validation ، Least Trimmed Squares Estimator ، Outliers ، Semiparametric Regression Model. ، اعتبارسنجی متقابل ، برآوردگر کم ترین توان های دوم پیراسته ، مدل رگرسیون نیمه پارامتری ، نقاط دورافتاده ، نقطه شکست.
نویسندگان
مهدی روزبه
Department of Statistics, Semnan University, Semnan, Iran.
مرتضی امینی
Department of Statistics, University of Tehran, Tehran Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :