ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > دراسة إحصائية لمقدرات طريقة ال...>الوصف

دراسة إحصائية لمقدرات طريقة الأنتروبي العظمى العامة والتحليل البيزي لمعلمات نموذج الانحدار متعدد المستويات مع التطبيق على محصول الشعير في العراق

العنوان بلغة أخرى: Statistical Study of the Estimators of the General Maximum Entropy Method and Bayesian Analysis of the Parameters of the Multi-Level Regression Model with Application to the Barley Crop in Iraq
المصدر: المجلة العلمية للاقتصاد والتجارة
الناشر: جامعة عين شمس - كلية التجارة
المؤلف الرئيسي: العتابى، كريم خلف عزر (مؤلف)
مؤلفين آخرين: عبدالعال، مدحت محمد أحمد (مشرف), مسلم، باسم شليبة (مشرف)
المجلد/العدد: ع2
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2023
الشهر: يوليو
الصفحات: 1017 - 1046
ISSN: 2636-2562
رقم MD: 1395490
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
القياس الاقتصادي | النماذج الإحصائية | التحليل البيزي | المحاصيل الزراعية | محصول الشعير
كلمات المؤلف المفتاحية:
التحليل بيز | الأنتروبي العظمى العامة | متعدد المستويات | بيانات مزدوجة | تقدير | إمكان أعظم | التأثير الثابت | التأثير العشوائي | معيار المعلومات البيزية | معيار المعلومات اكايكي | Bayesian Analysis | General Maximum Entropy | Multilevel | Panel Data | Estimation | Greatest Possibility | Fixed Effect | Random Effect | Bayesian Information Criterion | Acacia Information Criterion
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

5

حفظ في:
المستخلص: تم التطرق في بحثنا هذا إلى طريقتين لتقدير معلمات نموذج انحدار متعدد المستويات (بمستويين وهما طريقة الانتروبي العظمى العامة وطريقة التحليل البيزي المعتمدة على الدالة الاحتمالية المرافقة الطبيعية ووجد أن طريقة الانتروبي هي الطريقة الأفضل في عملية التقدير وذلك من خلال مقياسي المقارنة وهما معيار اكايكي ومعيار المعلومات البيزية حيث طريقة الانتروبي امتلكت قيما أصغر في عملية التقدير لذلك تعتبر هي المثلى. إن عملية التقدير لمعلمات انحدار متعدد المستويات البيانات بطرائق التقدير (الطرق Multilevel Regression Model for panel data البنل البيزية وطريقة الانتروبي العظمى العامة باعتبارها طرائق تقدير حديثة تعد إضافة جديدة للباحثين كون الهدف هو البحث عن طرائق تقدير تتصف بالكفاءة قد تفوق تقديرات الطرائق الشائعة وكذلك الاستفادة من صفات هذه الطرائق من حيث كونها بعضها لها صفة الحصانة robustness ونقصد طريقة الانتروبي العظمى العامة Generalized Maximum Entropy وكذلك إجراء المقارنة بينها لتحديد الأفضل منها يعطي أفاقا للباحثين مستقبلا في اعتماد الطريقة المثلى لتقدير معلمات النموذج متعدد المستويات MRMPD عند دراسة ظاهرة أخرى غير ظاهرة الإنتاج الزراعي في العراق ووفقا لبيانات الظاهرة قيد الدراسة والتي يمثلها النموذج نفسه، إذ يحدد الباحث الطريقة الأمثل بحسب المقدر الذي يعطي اقل تباين في تقدير معالم النماذج متعددة المستويات وحسب اختبار معيار معلومات البيزية Bayesian Information Criterion BIC معيار المعلومات اكايكي.

The natural entropy method was changed and it was found that the natural entropy method was the practical one The process of estimating multilevel regression parameters for panel data using estimation methods (Bayesian methods and the general great entropy method) as modern estimation methods is a new addition to the researchers, since the goal is to search for efficient estimation methods that may exceed the estimates of common methods, as well as benefit from The characteristics of these methods in terms of the fact that some of them have the characteristic of robustness, and we mean the Generalized Maximum Entropy method. As well as conducting a comparison between them to determine the best ones gives horizons for researchers in the future in adopting the optimal method for estimating the parameters of the multi-level model MRMPD when studying a phenomenon other than the phenomenon of agricultural production in Iraq and according to the data of the phenomenon under study that is represented by the model itself, as the researcher determines the best method according to the estimator that gives The least discrepancy in estimating the parameters of the multi-level models according to the Bayesian Information Criterion (BIC) test and the Akaike information criterion (AIC).
ISSN: 2636-2562

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.