ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > قيم شابلي كطريقة لحل إشكالية ح...>الوصف

قيم شابلي كطريقة لحل إشكالية حساب معامل التحديد الجزئي في نموذج الانحدار المتعدد: دراسة حالة مصانع فريكو للأجبان الهولندية

العنوان بلغة أخرى: Shapley Values as a Method for Solving the Problem of Calculating the Partial Determination Coefficient in Multiple Regression Model: The Case Study of Frico Dutch Cheese Factories
المصدر: مجلة الاقتصاد التطبيقي والإحصاء
الناشر: المدرسة الوطنية العليا للإحصاء والاقتصاد التطبيقي
المؤلف الرئيسي: بورقبة، قويدر (مؤلف)
المؤلف الرئيسي (الإنجليزية): Bouragba, Kouider
مؤلفين آخرين: كاكي، عبدالكريم (م. مشارك) , رعاش، كمال (م. مشارك)
المجلد/العدد: مج18, ع2
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2021
الشهر: ديسمبر
الصفحات: 300 - 316
ISSN: 1112-234x
رقم MD: 1227577
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الجودة | الأرباح | قيم شابلي | معامل التحديد الجزئي | نموذج الانحدار المتعدد | نظرية المباريات التعاونية | مصانع فريكو للأجبان | هولندا
كلمات المؤلف المفتاحية:
الدالة المميزة لقيم شابلي | نموذج الانحدار المتعدد | معامل التحديد المتعدد | معاملات التحديد الجزئية | The Distinctive Function of Shapley Values | Multiple Regression Model | Multiple R Squared | Partial Determining Coefficients
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: هدفت هذه الدراسة إلى كيفية استخدام قيم شابلي في حساب معاملات التحديد الجزئية في نموذج الانحدار المتعدد، وقد توصلت إلى أن قيم شابلي تسمح لنا بحساب هذه المعاملات وبالتالي الحصول على القدرة التفسيرية لكل متغير مستقل مع المتغير التابع كل على حدا، مما يمكنه من ترتيب أهمية المتغيرات ومساهمة كل منها في تكوين معامل التحديد الكلي للنموذج، وبالتالي المساهمة في زيادة جودة التوفيق النموذجي من خلال الاهتمام بالمتغيرات الأكثر تفسيرا للنموذج مما يظهر أهمية كل متغير. وهذه الطريقة تعطي نتائج أفضل من حساب معامل الارتباط الجزئي باعتباره يوضح العلاقة الارتباطية لا القدرة التفسيرية لكل متغير مستقل.

This study aimed at explaining how to use Shapley Values in calculating the partial determining coefficients in Multiple Regression Model. The study concluded that Shapley Values allows us to calculate these coefficients and, therefore, the obtaining of the explanatory power of each independent variable with the dependent variable separately, which enables it to order the variables' importance and the contribution of each of them to configuring the multiple R Squared of the model and thus the contribution to increasing the quality of the model reconciliation through attention to the more explanatory variables of the model, which shows the significance of each variable. And this method yields better results than the calculation of the partial correlation coefficient as it shows the correlation relationship rather than the explanatory power of each independent variable.
ISSN: 1112-234x

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.