ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام المحاكاة للمقارنة بين...>الوصف

استخدام المحاكاة للمقارنة بين طريقتي التقدير "ML" و"FGNLS" لأنموذج الانحدار الذاتي الدوري ذو المعامل العشوائي "1" RCPAR

العنوان بلغة أخرى: Using Simulation to Compare the Two Estimation Methods "ML" and "FGNLS" of the RCPAR Periodic Autoregressive Model with Random Coefficient "1"
المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: حسين، حسين علي (مؤلف)
المؤلف الرئيسي (الإنجليزية): Hussein, Hussein Ali
مؤلفين آخرين: الموسوي، جواد كاظم خضير (م. مشارك)
المجلد/العدد: ع139
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: أيلول
الصفحات: 192 - 203
ISSN: 1813-6729
رقم MD: 1413956
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الانحدار الذاتي الدوري | السلاسل الزمنية | تجارب المحاكاة
كلمات المؤلف المفتاحية:
الأنموذج "1" RCPAR | الأنموذج "1" PAR | مقدر FGNLS | مقدر ML | RCPAR (1) Model | PAR (1) Model | FGNLS Estimator | ML Estimator
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تم تقديم أنموذج الانحدار الذاتي الدوري ذو المعامل العشوائي من الرتبة الأولى RCPAR(1) من قبل الباحثين (Frances and Paap, 2011)، وذلك لأهميته في مجال تطبيقات السلاسل الزمنية الموسمية، وتقليصه لعدد المعلمات في الأنموذج الانحدار الذاتي الدوري PAR(1) غير المقيد، حيث أن تزايد عدد المعلمات ينتج عنه مشكلة في مرحلة التقدير. وبذلك تم دراسة هذه المرحلة باستخدام أسلوب الإمكان الأعظم (ML) وأسلوب المربعات الصغرى غير الخطية الممكنة (FGNLS) والمقارنة بينهما من خلال تطبيق ثلاث تجارب للمحاكاة بطريقة مونت – كارلو. وتم التوصل إلى وجود تحيز واضح للعينات الصغيرة في مقدرات (ML) ومن ثم أفضلية أسلوب (FGNLS) في تقدير معلمات الأنموذج RCPAR(1) على أسلوب (ML) للعينات المستخدمة كافة.

The first-order random coefficient periodic autoregressive model RCPAR(1) was introduced by researchers (Frances and Paap, 2011), due to its importance in the field of seasonal time series applications, and its reduction of the number of parameters in the unrestricted periodic autoregressive model PAR(1). , as the increasing number of parameters results in a problem in the estimation stage. Thus, this stage was studied using the method of greatest possibility (ML) and the method of possible nonlinear least squares (FGNLS) and comparing them through the application of three simulation experiments using the Monte-Carlo method. It was concluded that there is a clear bias for small samples in the estimators of (ML), and then the preference of the (FGNLS) method in estimating the parameters of the RCPAR (1) model over the (ML) method for all samples used.
ISSN: 1813-6729

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.