ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Estimating the Linear Regression Model in High-Dimensional Data and Collinearity

المصدر: المجلة العلمية لقطاع كليات التجارة
الناشر: جامعة الأزهر - كلية التجارة
المؤلف الرئيسي: Al Qadhi, Sahar Abd Almuain Hassan (Author)
مؤلفين آخرين: Helmy, Nahed (Co-Author) , Elbadawy, Amira (Co-Author)
المجلد/العدد: ع24
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2020
الشهر: يونية
الصفحات: 70 - 98
DOI: 10.21608/jsfc.2020.248230
ISSN: 2636-3674
رقم MD: 1301830
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
Penalized Regression | Ridge Regression | Least Absolute Shrinkage and Selection Operator | Elastic Net | Highdimensional Data | Collinearity | Outliers
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: This paper is concerned with introducing the most used penalized regression methods, including ridge regression (RR), least absolute shrinkage and selection operator (LASSO), and elastic net (EN) regression for estimating the linear regression model. These models are used in two cases low and high-dimensional data when data is contain outliers when the explanatory variables have collinearity among them. The Monte Carlo simulation study is conducted to evaluate and compare the performance of these estimators. The simulation results indicate that the obtained estimators using EN are efficient and reliable than the other estimators.

ISSN: 2636-3674

عناصر مشابهة