مقاله آماری شناسایی مشاهدات پرت در مدل رگرسیونی ریج

مقاله آماری شناسایی مشاهدات پرت در مدل رگرسونی ریج تحت محدودیت‌های خطی تصادفی

چکیده مقاله آماری شناسایی مشاهدات پرت در مدل رگرسیونی ریچ :

در تحلیل رگرسیونی مطالعه مباحث تشخیصی شامل تعیین مشاهدات مؤثر و نقاط پرت از اهمیت ویژه‌ای برخوردار است. حساسیت روش کمترین توان‌های دوم نسبت به حضور مشاهدات مؤثر و داده‌های پرت در مدل موجب شد که گامی در جهت توسعه‌ مباحث تشخیصی به منظور ارائه‌ معیارهایی برای اندازه‌گیری تأثیر و شدت وابستگی به این مشاهدات برداشته شود. تعیین مشاهدات مؤثر و نقاط پرت در داده‌ها، زمانی که متغیرهای مستقل همخطی داشته باشند، بسیار پیچیده و مشکل است و خصوصاً اینکه حضور همخطی می‌تواند برخی از داده‌های غیرعادی را پوشش دهد. یکی از روش‌های مورد توجه برای تعیین مشاهدات پرت، روش انتقال میانگین است. در این مقاله، روش انتقال میانگین را برای برآوردگر ریج تحت محدودیت‌های خطی تصادفی؛ که به منظور کاهش اثر همخطی استفاده شده، تعمیم داده و برای این برآوردگر آماره آزمون جهت شناسایی مشاهدات پرت ارائه خواهد شد. در نهایت توانایی این روش را با استفاده از یک مثال کاربردی از داده‌های واقعی نشان داده می‌شود.

چکیده لاتین مقاله آماری شناسایی مشاهدات پرت در مدل رگرسیونی ریچ :

Abstract of statistical paper Identification of Perth observations in Rich regression model:

In regression analysis, the study of diagnostic topics, including the determination of effective observations and outliers, is of particular importance. The sensitivity of the second least powers method to the presence of effective observations and out-of-date data in the model led to a step towards the development of diagnostic issues in order to provide criteria for measuring the impact and severity of dependence on these observations. Determining effective observations and outliers in data is very complex and difficult when independent variables have alignment, especially since the presence of alignment can cover some unusual data. One of the methods to determine the outliers is the mean transfer method. In this paper, the mean transfer method for a ridge estimator under random linear constraints; Which is used to reduce the effect of alignment, and for this estimator, test statistics will be provided to identify outliers. Finally, the ability of this method is demonstrated using a practical example of real data.

نویسندگان

• عبدالرحمن راسخ

• بهزاد منصوری

• نرگس هدایت پور

پژوهشگران عزیز جهت مشاهده دیگر مقالات جناب عبدالرحمن راسخ کلیک کنید .

پژوهشگران عزیز جهت مشاهده دیگر مقالات جناب بهزاد منصوری کلیک کنید .

منبع: http://jss.irstat.ir

برای دانلود مقاله شناسایی مشاهدات پرت در مدل رگرسیونی که به صورت رایگان در اختیار شما پژوهشگر عزیز قرار میگیرد ابتدا به سبد خرید اضافه کنید و سپس مقاله را دانلود نمایید.

انجام تحلیل های آماری با استفاده از نرم افزار هایPls,  Lisrel, Amos, Spss توسط تیم تحلیلی یونی تحلیل.

شبکه تحلیلی یونی تحلیل در هفت روز هفته و 24 ساعت شبانه روز با تیم پشتیبانی خود از طریق راه های ارتباطی زیر پذیرای نظرات سازنده شما می باشد.

Site : www.unitahlil.ir

Phone number : 09199551777

Instagram : unitahlil

Email: unitahlil@gmail.com