ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Improving Generalized Ridge Es...>الوصف

Improving Generalized Ridge Estimator for the Gamma Regression Model

العنوان بلغة أخرى: تحسين مقدر ريدج المعمم لنموذج انحدار كاما
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: الصفار، آفان (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al-Saffar, Avan
مؤلفين آخرين: الجمال، زكريا يحيى نورى (م. مشارك)
المجلد/العدد: مج21, ع1
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الصفحات: 102 - 111
ISSN: 1680-855X
رقم MD: 1480001
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
النماذج الإحصائية | الانحدار الخطي | المصفوفات العشوائية | التحليل الإحصائي
كلمات المؤلف المفتاحية:
تعدد العلاقة الخطية | مقدر الحرف | نموذج انحدار جاما | مقدر الحرف المعمم | محاكاة مونت كارلو | Multicollinearity | Ridge Estimator | Gamma Regression Model | Generalized Ridge Estimator | Monte Carlo Simulation
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: لقد ثبت باستمرار أن مقدر ريدج هو استراتيجية تقليص فعالة لتقليل تأثيرات مشكلة التعدد الخطي. فعندما يكون متغير الاستجابة منحرفا بشكل إيجابي، عندئذ يتم استخدام النموذج المتداول والمعروف والذي هو نموذج انحدار كاما. مع العلم بأن ظهور مشكلة التعدد الخطي يمكن أن يكون له تأثير غير محبب على تباين مقدر الإمكان الأعظم لمعاملات انحدار كاما. ولهذا تم اقتراح مقدر ريدج المعمم في هذه الورقة البحثية كحل المحدودية مقدر ريدج. تم تقدير مصفوفة الانكماش باستخدام عدد من التقنيات المختلفة. تشير نتائج محاكاة Monti Carlo وتطبيق البيانات الفعلية إلى أن المقدر المقترح، بغض النظر عن نوع طريقة التقدير المستخدمة لمصفوفة الانكماش، يتفوق على مقدر الإمكان الأعظم ومقدر ريدج من حيث متوسط مربعات الخطأ. بالإضافة إلى ذلك، فإن بعض تقنيات تقدير مصفوفة الانكماش يمكن أن تعزز النتائج بشكل كبير مقارنة بطرائق التقدير الأخرى.

It has been consistently proven that the ridge estimator is an effective shrinking strategy for reducing the effects of multicollinearity. An effective model to use when the response variable is positively skewed is the Gamma Regression Model (GRM). However, it is well known that the existence of multicollinearity can have a detrimental impact on the variance of the maximum likelihood estimator (MLE) of the gamma regression coefficients. The generalized ridge estimator is suggested in this study as a solution to the ridge estimator's limitation. The shrinkage matrix has been estimated using a number of different techniques. Our Monte Carlo simulation and actual data application findings indicate that the suggested estimator, regardless of the kind of estimating method of shrinkage matrix, is superior to the MLE and ridge estimator in terms of Mean Square Error (MSE). Additionally, compared to other methods, some shrinkage matrix estimation techniques can significantly enhance results.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.