@Article{, title={Multi – Linear in Multiple Nonparametric Regression , Detection and Treatment Using Simulation التعدد الخطي في الأنحدار المتعدد اللامعلمي , الكشف و المعالجة بأستعمال المحاكاة}, author={لقاء علي محمد and صابرين حسين كاظم}, journal={journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية}, volume={23}, number={101}, pages={495-503}, year={2017}, abstract={ABSTRACT: It is the regression analysis is the foundation stone of knowledge of statistics , which mostly depends on the ordinary least square method , but as is well known that the way the above mentioned her several conditions to operate accurately and the results can be unreliable , add to that the lack of certain conditions make it impossible to complete the work and analysis method and among those conditions are the multi-co linearity problem , and we are in the process of detected that problem between the independent variables using farrar –glauber test , in addition to the requirement linearity data and the lack of the condition last has been resorting to the nonparametric regression and processor the problem using kernel ridge regression function and that depend on estimate band width ( smoothing parameter ) therefore has been resorting to two different ways to estimate the parameter and are Rule of thumb (RULE) and Bootstrap (BOOT) and comparison between those ways using the style of simulation .

المستخلص يعتبر تحليل الأنحدار هو الحجر الأساس لعلم الأحصاء , و الذي يعتمد في الغالب على طريقة المربعات الصغرى الأعتيادية Ordinary Least Square Method , لكن كما هو معروف ان الطريقة المذكورة انفآ لها عدة شروط كي تعمل بدقة و بنتائج يمكن الأعتماد عليها , اضافة الى إن عدم توفر بعض من شروطها يجعل من المستحيل اتمام العمل و تحليل النماذج و من ضمن تلك الشروط هي عدم وجود مشكلة التعدد الخطي ( Multi-CoLinearity ) و نحن في صدد الكشف عن وجود تلك المشكلة بين المتغيرات التوضيحية بأستعمال اختبار فيرار كلوبر, بالأضافة الى شرط خطية البيانات و لعدم توفر الشرط الأخير تم اللجوء الى الأنحدار اللامعلمي (Nonparametric Regression ) و معالجة المشكلة بإستعمال دالة انحدار الحرف اللبي Kernel Ridge Regression و التي تعتمد على تقدير عرض الحزمة (معلمة التمهيد) و لذلك تم اللجوء الى طريقتين مختلفتين لتقدير المعلمة التمهيدية و هما طريقة قاعدة الأبهام Rule of thumb ( RULE) و الطريقة التمهيدية Bootstrap (BOOT) و المقارنة بين تلك الطرق بأستعمال اسلوب المحاكاة .} }