رگرسیون چندکی برپایه توزیع های آمیخته- مقیاس نرمال دوبخشی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 20

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAMFN-15-3_010

تاریخ نمایه سازی: 29 مهر 1405

چکیده مقاله:

مدل های رگرسیونی گاها بدلیل وجود مشاهدات دورافتاده و رفتار نامتقارن آنها نمی توانند برازش مناسبی روی داده ها داشته باشند، از این رو به کارگیری مدل های متقارن- نامتقارن دم سبک- سنگین در ساختار آنها می تواند مشکلات فوق را مرتفع سازد. در این مقاله یک مدل رگرسیون چندکی استوار با خطاهای توزیع شده برپایه ی توزیع های آمیخته- مقیاس نرمال دوبخشی(ملکی و همکاران ۲۰۱۹) را در راستای حل مسائل فوق معرفی خواهیم کرد و برآورد پارامترهای مدل را با رویکرد بیشینه درستنمایی بدست خواهیم آورد. خانواده ی آمیخته- مقیاس نرمال دوبخشی شامل توزیع های نرمال دوبخشی، تی دوبخشی ، اسلاش دوبخشی و نرمال آلوده دوبخشی می باشد که اولی دم سبک و بقیه دم سنگین می باشند، و ساختار سلسله مراتبی آن به گونه ای است که استفاده از الگوریتم امیدگیری- بیشینه سازی (EM) در مدل رگرسیون چندکی را میسر می سازد و از این خانواده برای مدل بندی و برآورد در یک سری داده ی واقعی استفاده خواهیم کرد و شاخصی برای برازندگی مناسبت مدل نیز ارائه خواهیم داد.

کلیدواژه ها:

رگرسیون چندکی ، الگوریتم امیدگیری- بیشینه سازی ، توزیع های آمیخته-مقیاس نرمال دوبخشی

نویسندگان

محسن ملکی

گروه آمار، دانشکده ریاضی و آمار، دانشگاه اصفهان، اصفهان

علیرضا نعمت اللهی

گروه آمار، دانشکده علوم، دانشگاه شیراز، شیراز، ایران

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 :
  • Akaike, H.,۱۹۷۴. A new look at the statistical model identification. ...
  • B Methodol., ۳۶, pp.۹۹–۱۰۲ ...
  • Bazrafkan, M., Zare, K., Maleki, M. and Khodadadi, Z., ۲۰۲۲. ...
  • Cook, R. D. and Weisberg, S., ۱۹۹۴. An Introduction to ...
  • doi: ۱۰.۲۳۰۷/۱۹۱۳۶۴۳[۱۰] Maleki, M., Barkhordar, Z., Khodadadi, Z. and Wraith, ...
  • Stat. - Theory Methods., ۴۳(۱۶), pp.۳۴۶۴–۳۴. doi: ۱۰.۱۰۸۰/۰۳۶۱۰۹۲۶.۲۰۱۳.۷۶۶۳۳۹[۱۴] Zarei, A., ...
  • Zhou, Y.-h., Ni, Z.-x. and Li, Y., ۲۰۱۴. Quantile Regression ...
  • Simul. Comput., ۴۳(۱۰), pp.۲۱۶۲–۲۱۷۲. doi: ۱۰.۱۰۸۰/۰۳۶۱۰۹۱۸.۲۰۱۲.۷۴۶۹۸۰ ...
  • نمایش کامل مراجع