بهبود روش کمترین توان های دوم دو مرحله ای در مدل های رگرسیونی با متغیر درون زا
محل انتشار: مجله علوم آماری، دوره: 10، شماره: 2
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 118
فایل این مقاله در 18 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-10-2_002
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
حضور متغیرهای درون زا در مدل های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه ای حل کرده اند. یکی از این روش ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون زایی متغیر مورد مناقشه می شود. روشی دیگر برای برآورد پارامتر مدل های رگرسیون درون زا، روش کمترین توان های دوم دو مرحله ای است که دقت بهتری نسبت به روش کمترین توان های دوم معمولی دارد. اما براوردگر حاصل از این روش نیز تنها در حالت بزرگ نمونه ای نااریب و سازگار است. مقاله حاضر روش های نوینی برای رفع این نقص ها ارائه می کند. به طور دقیقتر، به منظور افزایش دقت برآورد در مدل موردنظر، نوشته حاضر سه روش کمترین توان های دوم دو مرحله ای تکراری، دو مرحله ای جکنایف و دو مرحله ای کالبیده را در حالت اندازه نمونه متناهی پیشنهاد می دهد. برای ارزیابی عملکرد روش های ارائه شده مطالعه شبیه سازی انجام خواهد شد. علاوه بر این، با استفاده از داده های هزینه و درآمد ایران، گردآوری شده در سال ۱۳۹۰، نحوه عملکرد برآوردهای پیشنهادی مورد مقایسه قرار می گیرد.
کلیدواژه ها:
Regression models ، Endogenous and exogenous variables ، Two stage least square ، Instrumental variables ، مدل های رگرسیونی ، متغیرهای درون زا و برونزا ، تصحیح اریبی ، روش های کمترین توان های دوم دو مرحله ای ، متغیرهای ابزاری
نویسندگان
امید اخگری
Department of Statistics, Tarbiat Modares University, Tehran, Iran.
موسی گل علی زاده
Department of Statistics, Tarbiat Modares University, 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 :