تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > A Comparative Study of some Tw...>الوصف

A Comparative Study of some Two-Parameter Ridge-Type and Liu-Type Estimators to Combat Multicollinearity Problem in Regression Models: Simulation and Application

العنوان بلغة أخرى: دراسة مقارنة لبعض مقدرات المعلمتين من النوع ريدج وليو لمواجهة مشكلة التعدد الخطي في نماذج الانحدار: محاكاة وتطبيق
المصدر: المجلة العلمية للاقتصاد والتجارة
الناشر: جامعة عين شمس - كلية التجارة
المؤلف الرئيسي: El-Doakly, Wael Saad Hsanein (Author)
المجلد/العدد: ع4
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الشهر: ديسمبر
الصفحات: 105 - 136
ISSN: 2636-2562
رقم MD: 1530486
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
التعدد الخطي | الانحدار الخطي | محاكاة البيانات
كلمات المؤلف المفتاحية:
Multicollinearity | Mean Square Error | Two-Parameter Estimator | Simulation | Owolabi Estimators | Almost Unbiased Modified Ridge | Type Estimator "AUMRTE" | Liu Dawoud-Kibria "LDK" Estimator | Adaptive "K-D" Class Estimator "AKDE" | Liu-Kibria Lukman "LKL" Estimator | Modified Unbiased Optimal Estimator "MUOE"
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

4

حفظ في:
المستخلص: تعد طريقة المربعات الصغرى العادية في تحليل الانحدار الخطي المتعدد من أشهر الأساليب المستخدمة لتقدير معالم نموذج الانحدار الخطي بسبب خصائصها المفضلة، ولكنها قد تفشل عند عدم توافر فرض الاستقلالية، ويمكن إهمال هذا الفرض عند وجود ارتباط بين المتغيرات المفسرة ويُقال عند ذلك أن البيانات تتضمن مشكلة التعدد الخطي وبالتالي سوف تفقد قدرتها على الاستدلال الإحصائي، كما تصبح أساليب التقدير المتحيزة أفضل من طريقة المربعات الصغرى العادية. وقد اقترح الباحثين العديد من المقدرات للتغلب على هذه المشكلة، حيث قاموا بتطوير المقدرات المتحيزة ذات المعلمة الواحدة وكذلك ذات المعلمتين، ولكن كان لمقدرات المعلمتين مزايا أفضل من مقدرات المعلمة الواحدة حيث أن أحد المعلمتين على الأقل يكون لديه خاصية التعامل مع هذه المشكلة، ولذلك تهدف هذه الدراسة إلى اختبار أداء سبعة مقدرات حديثة وذات معلمتين لنماذج الانحدار الخطي والتي تتضمن مشكلة التعدد الخطي. وقد تم مقارنة أداء المقدرات السبعة وهم: مقدرات أولابي وآخرون (2022 a, b)، ومقدر عمارة (2022)، ومقدر أولادابو وآخرون (2022)، ومقدر مخدوم - إسلام (2023)، ومقدر أدو وآخرون (2023)، وأخيرًا مقدر جاسم - الهيتى (2023) باستخدام مقياس متوسط مربعات الخطأ، ولذلك تم عمل محاكاة للبيانات باستخدام p = 3, 8، n = 20, 50, 100، وتعدد خطي شبه تام عند ρ = 0.7, 0.8, 0.9, 0.99 كما تم اختبار وجود الازدواج الخطي باستخدام قيم معامل تضخم التباين. وقد اتضح من النتائج التجريبية تفوق مقدر جاسم - الهيتي على بقية المقدرات تحت بعض الشروط وكذلك أفضل كفاءة لأن لديه أقل قيم لمتوسط مربعات الخطأ عند أي قيم لأحجام العينات. كما تم استخدام مجموعة من البيانات الحقيقية لتوضيح صحة النتائج الخاصة بهذه الدراسة، حيث تمت المقارنة بين النماذج المختلفة باستخدام كل من متوسط مربعات الخطأ وكذلك المتوسط النسبي للخطأ المطلق، وقد توافقت النتائج مع نتائج المحاكاة.

In multiple linear regression analysis, the ordinary least squares (OLS) method has been the most popular technique for estimating parameters of linear regression model due to its optimal properties. OLS estimator may fail when the assumption of independence is violated. This assumption can be violated when there is correlation between the explanatory variables. Therefore, the data is said to contain multicollinearity and eventually will mislead the inferential statistics. When multicollinearity exists, biased estimation techniques are preferable to OLS. Many authors have proposed different estimators to overcome this problem. Also, many biased estimators with one-parameter or two-parameter are developed. But, the estimators with two-parameter have advantages over that with one-parameter where they have two biasing parameters and at least one of them has the property of handling this problem impact. Therefore, this study aims to examine the performance of seven recent estimators with two-parameter of multiple linear regression model with multicollinearity problem. The performance of the seven estimators, namely Owolabi et al. estimator (2022 a,b), Omara estimator (2022), Oladapo et al. estimator (2022), Makhdoom-Aslam estimator (2023), Idowu et al. estimator (2023), and Jassim-Alheety estimator (2023) are compared using Mean Square Error criterion. For this purpose, a simulation data with p = 3, 8; n = 20, 50, 100; and full multicollinearity ρ = 0.7, 0.8, 0.9, 0.99 was used. The existence of multicollinearity was evaluated using Variance Inflation Factor (VIF) value. The empirical evidence shows that Jassim-Alheety estimator outperforms others under some conditions and is more efficient because it has the smallest MSE values in any samples sizes. A real-life dataset is used to demonstrate the findings of the paper. The comparison was made among the different models using both the mean square error (MSE) and mean absolute percentage error (MAPE), where the results agreed with the simulation results.
ISSN: 2636-2562

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.