ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تطبيق طريقة بوتستراب البواقي ل...>الوصف

تطبيق طريقة بوتستراب البواقي لتقليل آثار الازدواج الخطي باستخدام لغة R

العنوان بلغة أخرى: Applying Residuals Bootstrap Method to Reduce the Effects of Multicollinearity Using R
المصدر: مجلة البحوث المالية والتجارية
الناشر: جامعة بورسعيد - كلية التجارة
المؤلف الرئيسي: سالم، عماد محمد سالم سيد (مؤلف)
المجلد/العدد: ع2
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2021
الشهر: إبريل
الصفحات: 737 - 762
DOI: 10.21608/JSST.2021.68988.1242
ISSN: 2090-5327
رقم MD: 1150646
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الإحصاء التطبيقية | الانحدار الخطي | الازدواج الخطي | إعادة المعاينة | بوتستراب البواقي
كلمات المؤلف المفتاحية:
الازدواج الخطي | إعادة المعاينة | بوتستراب | بوتستراب البواقي | Multicollinearity | Resampling | Bootstrap | Residuals Bootstrap | R Language
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

14

حفظ في:
المستخلص: عادة ما نواجه مشكلة الازدواج الخطي في نموذج الانحدار الخطي المتعدد عند خرق افتراض استقلال المتغيرات المفسرة، مما يسبب خللاً في للحصول على أفضل مقدر خطي غير متحيز BLUE، باستخدام طريقة المربعات الصغرى العادية OLS، مما يؤدي إلى تضخم الأخطاء المعيارية لمقدرات طريقة المربعات الصغرى، وبالتالي اتساع فترات الثقة. واقترحت الدراسة استخدام طريقة بوتستراب البواقي كإحدى طرق أسلوب إعادة المعاينة، وذلك بهدف تقليص آثار الازدواج الخطي، حيث أثبتت الدراسة أنه عند تقدير معلمات نموذج الانحدار الخطي المتعدد لمتغيرين فقط، وفي ظل وجود مشكلة الازدواج الخطي، للعينات أقل من أو يساوي 30 مشاهدة، فإن تقدير معلمات نموذج الانحدار الخطي باستخدام طريقة بوتستراب البواقي، يعطي نتائج أفضل من التقدير باستخدام طريقة المربعات الصغرى العادية، وتم التحقق من ذلك باستخدام لغة البرمجة الإحصائية R، من خلال دراسة المحاكاة، وبالتطبيق على مجموعتي بيانات، حيث أوضحت نتائج دراسة المحاكاة والتطبيق أن مقدرات طريقة بوتستراب البواقي لها فترة ثقة أقل طولاً، وأخطاء معيارية ذات قيم أقل.

The problem of multicollinearity in the multiple linear regression model occurs when the assumption of independence of the explanatory variables is violated. This causes a defect in obtaining the best linear unbiased estimator BLUE, using the OLS method, which leads to amplification of the standard errors of the OLS method estimators, thus expanding the Confidence intervals. This study shows that using residuals bootstrap method gives better results than OLS method when estimating the parameters of the multiple linear regression model for two variables that have multicollinearity. This was verified using R Language through a simulation study, and by applying to two data sets. The results of simulation and application showed that residuals bootstrap estimators have a narrower confidence interval length and standard errors with lower values than OLS estimators. This was true for all degrees of multicollinearity between two explanatory variables when the sample size is less than or equal to 30 observations.
ISSN: 2090-5327

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.