TY - JOUR ID - TI - Comparison of Some Methods for Estimating Mixture of Linear Regression Models with Application مقارنة بعض طرق تقدير أنموذج الانحدار الخطي المختلط مع التطبيق AU - Urdak Ibrahim Kareem ئورده ك إبراهيم كريم AU - Fadhaa Mezher Hashim فضاء مزهر هاشم PY - 2021 VL - 27 IS - 129 SP - 171 EP - 184 JO - journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية SN - 25185764 2227703x AB - A mixture model is used to model data that come from more than one component. In recent years, it became an effective tool in drawing inferences about the complex data that we might come across in real life. Moreover, it can represent a tremendous confirmatory tool in classification observations based on similarities amongst them. In this paper, several mixture regression-based methods were conducted under the assumption that the data come from a finite number of components. A comparison of these methods has been made according to their results in estimating component parameters. Also, observation membership has been inferred and assessed for these methods. The results showed that the flexible mixture model outperformed the others in most simulation scenarios according to the integrated mean square error and integrated classification error

يوظف الأنموذج المختلط لنمذجة المشاهدات التي تعود الى أكثر من انموذج(مركبة) بمعالم مختلفة. أن هذا النوع من النماذج أصبح من الطرائق المهمة في الاستدلال الاحصائي لكثير من البيانات ذات التركيب المعقد التي من الممكن ان نوجهها عندما نروم انجاز التحليل الاحصائي. أضافة الى ذلك ، يعتبر هذا الانموذج أسلوب متقن بشكل عالي في تصنيف البيانات الى عدد من المجاميع اعتمادا على بعض الخصائص المتشابهة بينها. أحد أنواع النماذج المختلطة هو انموذج الانحدار الخطي المختلط الذي يستعمل عندما تكون البيانات تمثل أكثر من خط انحدار واحد. في هذا البحث كان الهدف هو مقارنة ثلاث طرق مهمة يمكن استعمالها مع هكذا نوع من النماذج هي طريقة FlexMix, MixTLE, MixLP . حيث تم تطبيق هذا الطرق على بيانات محاكاة افتراضية لثلاث حالات مختلفة وتم التوصل الة مقدرات دقيقة بنسب عالية بالإضافة الى اثبات كفاءة هذه الطرق في تصنيف البيانات الى مجاميعها الافتراضية بدقة عالية الا ان طريقة FlexMix اثبتت كفاءتها في الحصول على مقدرات دقيقة بشكل أفضل من الطريقتين الأخريين. أجريت المقارنة بين الطرق الثلاث باستعمال مربع الخطأ التكاملي (IMSE) وخطأ التصنيف التكاملي (ICE) ER -