@Article{, title={بعض مقدرات مصفوفة التباين المشترك المتسقة الحصينة في حالة عدم تجانس تباين الخطأ لأنموذج الانحدار الخطي العام}, author={الباحث / قاسم محمد صاحب and ا.د. سجى محمد حسين}, journal={Journal Of AL-Turath University College مجلة كلية التراث الجامعة}, volume={1}, number={31}, pages={77-88}, year={2021}, abstract={The problem of heteroscedastic errors is one of the problems of linear regression, which leads to inaccurate results when using the ordinary least squares method (OLS), in addition to the problem of heteroscedastic errors maybe the data contain some outliers extreme values in independent variables (High leverage points), presence These values effect the efficiency of estimating the parameters of the linear regression model if the classical methods are used, and in the case of the problem of heteroscedastic in addition to the outliers values (HLPS), the classical methods will give a misleading inference that cannot be relied upon in determining confidence intervals and testing hypotheses.In this paper we will review some of the Robust Heteroscedasticity Consistent Covariance Matrix (RHCCM) estimators are (HCW4) estimator and the (HCW5) estimator. These estimatiors are based on finding weights and errors on some robust methods that is used to detect of outliers extreme values (HLPS), which are both Mahalanobis Distance Based on Minimum Volume Ellipsoid RMD(MVE), Mahalanobis Distance Based on Minimum Covariance Determinant RMD(MCD), the comparison was done Among the robust estimators of the parameters for the general linear regression model by using simulation experiments according to the Montocarlo method, it was based on the presence of the problem of heteroscedastic with different severity of heterogeneity, as well as the presence of different percentage of (HLPS) in the data as well as different sample sizes. The comparison was based on the standard error criterion (SE) for estimators (HCW4), (HCW5) for the parameters of the linear regression model. It was concluded that the RMD (MCD) method is the best for both the (HCW4) (HCW5) estimators

تعد مشكلة عدم تجانس التباين هي احدى مشاكل الانحدار الخطي ، التي تؤدي الى نتائج غير دقيقة عند استخدام طريقة المربعات الصغرى الاعتيادية (OLS) ، اضافة الى مشكلة عدم تجانس تباين الخطأ قد تحتوي البيانات على بعض القيم الشاذة المتطرفة في المتغيرات التوضيحية (HLPS) ، وجود تلك القيم يؤثر على كفاءة تقدير معلمات انموذج الانحدار الخطي أذ ما استخدمت الطرائق التقليدية ، و في حالة وجود مشكلة عدم تجانس التباين اضافة الى القيم الشاذة المتطرفة (HLPS) فأن الطرائق التقليدية سوف تعطي استدلالآ مضللا لا يمكن الاستناد اليه في تحديد فترت الثقة واختبار الفرضيات .في هذا البحث سوف نستعرض بعض مقدرات مصفوفة التباين والتباين المشترك المتسقة الحصينة (RHCCM) وهي المقدر (HCW4) والمقدر (HCW5) ، هذه المقدرات تستند في ايجاد الاوزان والاخطاء على بعض الطرائق الحصينة التي تستخدم في الكشف عن القيم الشاذة المتطرفة (HLPS) ،و هي كل من مسافات مهلونوبس الحصينة على اساس اصغر حجم قطع ناقص RMD(MVE) ، مسافات مهلونوبس الحصينة على اساس اصغر محدد مصفوفة تباين مشترك RMD(MCD) ، تمت اجراء المقارنة بين المقدرات الحصينة لمعلمات انموذج الانحدار الخطي العام من خلال استعمال تجارب المحاكاة وفق اسلوب مونت كارلو ، والتي اعتمد فيها على وجود مشكلة عدم تجانس التباين مع اختلاف حدة عدم التجانس ، وكذلك وجود نسب مختلفة من (HLPS) في البيانات وايضا حجوم عينات مختلفة . وقد اعتمدت المقارنة على معيار الخطأ المعياري للمقدرين (HCW4) و (HCW5) و تم التوصل الى ان طريقة RMD(MCD) هي الافضل بالنسبة لكل من مقدر (HCW4) (HCW5).} }