Estimating Models and Evaluating their Efficiency under Multicollinearity in Multiple Linear Regression: A Comparative Study
| العنوان بلغة أخرى: |
تقدير النماذج وتقييم كفاءتها في ظل العلاقة الخطية المتعددة في الانحدار الخطي المتعدد: دراسة مقارنة خەماڵاندنی مۆدێلەکان و هەڵسەنگاندنی کاراییەکانیان لە ژێر فرە پەيوەيستى هێڵەكى لە لاريبووىن هێڵی فرەیی: لێکۆڵینەوەیەکی بەراوردکاری |
|---|---|
| المصدر: | زانكو - الإنسانيات |
| الناشر: | جامعة صلاح الدين |
| المؤلف الرئيسي: | محمود، سامان حسين (مؤلف) |
| المؤلف الرئيسي (الإنجليزية): | Mahmood, Saman Hussein |
| المجلد/العدد: | مج28, ع5 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2024
|
| الصفحات: | 264 - 277 |
| ISSN: |
2218-0222 |
| رقم MD: | 1529260 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | HumanIndex |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
التعدد الخطي | الانحدارات الخطية المتعددة | الشبكة العصبية الاصطناعية | انحدار ريدج | تحليل المكونات الرئيسية | Multicollinearity | Multiple Linear Regressions | Artificial Neural Network | Ridge Regression | Principal Components Analysis
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
تحدث العلاقة الخطية المتعددة بين المتغيرات المستقلة في تحليل الانحدار الخطي المتعدد الذي يتميز بارتباطات عالية، مما يعقد تمييز تأثير المتغير الفردي، مما يؤثر على دقة النموذج والاستقرار وتفسير العلاقات. يهدف البحث إلى تشخيص مشكلة التعدد الخطي بين المتغيرات التفسيرية في نموذج الانحدار الخطي وتحديد المتغيرات المسببة لهذه المشكلة بالاعتماد على عامل تضخم التباين (VIF)، ثم تقدير وتقييم أداء ثلاث طرق بديلة وهي انحدار ريدج، تحليل المكونات الرئيسية، ونماذج الشبكات العصبية المغذية (FFNN) ذات الطبقة المخفية الواحدة والطبقتين، وتطبيق النماذج على بيانات قوة الضغط للخرسانة عالية الأداء. أظهرت النتائج أن انحدار ريدج وPCA قد عالجا بشكل فعال مشكلة الخطية المتعددة، لكن نموذج الطبقة المخفية الفردية FFNN أظهر دقة تنبؤية فائقة في تقدير قوة الضغط للخرسانة عالية الأداء عند مقارنة قيم كل من MAE، RMSE وR2. Multicollinearity between independent variables occurs in multiple linear regression analysis characterized by high correlations, which complicates discerning individual variable effect, impacting model accuracy, stability, and interpretation of relationships. The research aims to diagnose the multicollinearity problem between explanatory variables in the linear regression model and identifying the variables causing this problem based on the variance inflation factor (VIF) , then estimation and evaluate the performance of three alternative methods, which are Ridge regression, principal components analysis, and Feed forward Neural Networks (FFNN) models with one and two hidden layers and application of the models to compressive strength data for high performance concrete. The results showed that Ridge regression and PCA effectively addressed multicollinearity problem, but the single hidden layer model FFNN showed superior predictive accuracy in estimating the compressive strength of high-performance concrete when comparing RMSE, MAE, and R2 values. فرە پەيوەيستي هيلەكي نيوان گوراوە سەربەخوكان لە شيكارى لاريبوونى هتلي فرەيي روودەدات كە بە پەيوەندييە بەرزەوە، كە تيگەيشتن لە كاريگەري گوراوەتاكەكان ئالوز دەكات، كاريگەري لەسەر وردي موديل، سەقامگيري وليكدانەوەي پە يوەندييەكان هەيە. ئامانجي تويژينەوەكە دەستنيشانكردني كيشەي فرە پەيوەيستي هيلەكي نيوان گوراوە سەربەخوكان لە مؤديلى لاريبووني هيلي فرەيي ودەستنيشانكردني ئەو گوراوانەي كە هوكاري ئەم كيشەيەن لەسەر بنەماي فاكتەري هەلاوساني جياوازي (VIF)، پاشان خەملاندن وهەلسەنگاندني سي شيوازي بەديل، كە بريتين لە لاريبووني ريج، سەرەكي شيكاري پيكهاتە كان، وموديلي توړي دەماري دەستكرد (FFNN) بە يەكـ ودوو چينە شاراوەكان وبە كارهيناني موديلە كان بو داتاكاني هيزي پەستان بو كونكريتي كارايي بەرز. ئەنجامەكان دەريانخست كە پاشەكشەي ريج وPCA بە شيوەيەكي كاريگەر كيشەي فرە پەيوەيستي هيلە كي چارەسەر كرد، بەلام موديلي FFNN وردبيني پيشبينيكردني بە رزتري نيشان دا لە خەملاندني هيزي پەستاني كونكريتي كارايي بەرز كاتيكـ بەهاكاني MAE RMSE وR2 بە راورد دە كريت. |
|---|---|
| ISSN: |
2218-0222 |
عناصر مشابهة
-
Compare Robust Wilk’s Statistics Based on MM-Estimator for the Multivariate Multiple Linear Regression
بواسطة: حسين، ثامر ورده منشور: (2024) -
A Comparative Study of some Two-Parameter Ridge-Type and Liu-Type Estimators to Combat Multicollinearity Problem in Regression Models: Simulation and Application
بواسطة: El-Doakly, Wael Saad Hsanein منشور: (2024) -
Detection of Multicollinearity in Multiple Linear Regression
بواسطة: Ali, Nedal Omar M. Al Shaikh منشور: (2010) -
On the Multiple Linear Regression Model with Multicollinearity and Correlated Errors
بواسطة: الجوهري، ظافر سامي منشور: (2018) -
Predicting Construction labour Productivity Using Optimal Artificial Neural Network, Multiple Linear Regression Models: Comparative Study
بواسطة: الأعمر، حمزة محمد منشور: (2018)
