| المستخلص: |
تم في هذا البحث معالجة مشكلة تعدد العلاقة الخطية بين المتغيرات التوضيحية في أنموذج الانحدار المتعدد مستخدمين طريقة انحدار الحرف المعدلة، وكان الباحث Swindle (1976) أول من قدمها، وتستند على إضافة معلومات مسبقة عن متجه المعلمات إلى المقدر الذي قدمه Hoerl and Kennard (1970)وتم اختيارنا لتلك المعلومات المسبقة لتمثل متجه الوسط الحسابي لمكونات متجه مقدر المربعات الصغرى للمتجه ، وتم تحديد القيمة المثلى لعامل الحرف للطريقة المعدلة والتي تجعل متوسط مربعات الخطأ للمقدر الناتج أقل ما يمكن . أجريت مقارنة بين مقدرات المربعات الصغرى، ومقدرات انحدار الحرف المعدلة لبيانات تم توليدها بأسلوب مونت كارلو لخمسة عشر متغيراً توضيحياً بأحجام عينات مختلفة وبافتراض قيم مختلفة لمعاملات ارتباطات بسيطة وباختيار قيم مختلفة للمتجه و2 ،وتحت هذه الافتراضات استنتجنا أن طريقة الحرف المعدلة أفضل من طريقة المربعات الصغرى.
In this paper, the problem of combating multicollinearity between predictor variables in multiple linear regression model has been studied. This treatment has been done by using the adjusted ridge regression which is suggested by Swindle (1976). This method depends on adding a vector of prior information about the vector of regression parameters to the estimator proposed by (Hoerl & Kennard, 1970). We selected the vector of prior information to represent the average of Ordinary Least Squares estimator for . The optimal value for ridge parameter that makes the mean square error of the adjusted estimator minimum has been selected. A comparison between the ordinary least squares and the adjusted estimators has been done. A Monte Carlo simulation is made for 15 predictor variables by choosing different sample sizes simple correlation coefficients, and 2 and we concluded that the adjusted estimators is better than the ordinary least squares estimators
|
