شناسایی مشاهدات پرت در مدل رگرسیونی ریج تحت محدودیت های خطی تصادفی
محل انتشار: مجله علوم آماری، دوره: 13، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 210
فایل این مقاله در 21 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-13-1_007
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
در تحلیل رگرسیونی مطالعه مباحث تشخیصی شامل تعیین مشاهدات موثر و نقاط پرت از اهمیت ویژه ای برخوردار است. حساسیت روش کمترین توان های دوم نسبت به حضور مشاهدات موثر و داده های پرت در مدل موجب شد که گامی در جهت توسعه مباحث تشخیصی به منظور ارائه معیارهایی برای اندازه گیری تاثیر و شدت وابستگی به این مشاهدات برداشته شود. تعیین مشاهدات موثر و نقاط پرت در داده ها، زمانی که متغیرهای مستقل همخطی داشته باشند، بسیار پیچیده و مشکل است و خصوصا اینکه حضور همخطی می تواند برخی از داده های غیرعادی را پوشش دهد. یکی از روش های مورد توجه برای تعیین مشاهدات پرت، روش انتقال میانگین است. در این مقاله، روش انتقال میانگین را برای برآوردگر ریج تحت محدودیت های خطی تصادفی؛ که به منظور کاهش اثر همخطی استفاده شده، تعمیم داده و برای این برآوردگر آماره آزمون جهت شناسایی مشاهدات پرت ارائه خواهد شد. در نهایت توانایی این روش را با استفاده از یک مثال کاربردی از داده های واقعی نشان داده می شود.
کلیدواژه ها:
Collinearity ، Ridg Regression ، Ridg Regression under Linear Restriction ، Outlier ، Mean Shift Method ، همخطی ، رگرسیون ریج ، رگرسیون ریج تحت محدودیت های خطی تصادفی ، مشاهدات پرت ، روش انتقال میانگین.
نویسندگان
عبدالرحمن راسخ
Faculty of Mathematical Sciences and Computer, Shahid Chamran University of Ahvaz, Ahvaz , Iran.
بهزاد منصوری
Faculty of Mathematical Sciences and Computer, Shahid Chamran University of Ahvaz, Ahvaz , Iran.
نرگس هدایت پور
Faculty of Mathematical Sciences and Computer, Shahid Chamran University of Ahvaz, Ahvaz , 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 :