research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Multi – Linear in Multiple Nonparametric Regression , Detection and Treatment Using Simulation
التعدد الخطي في الأنحدار المتعدد اللامعلمي , الكشف و المعالجة بأستعمال المحاكاة

Authors: لقاء علي محمد --- صابرين حسين كاظم
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2017 Volume: 23 Issue: 101 Pages: 495-503
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
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 .


Article
Estimate Kernel Ridge Regression Function in Multiple Regression
تقدير دالة انحدار الحرف اللبي في الأنحدار المتعدد اللامعلمي بأستعمال المحاكاة

Authors: لقاء علي محمد --- صابرين حسين كاظم
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2018 Volume: 24 Issue: 103 Pages: 411-419
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In general, researchers and statisticians in particular have been usually used non-parametric regression models when the parametric methods failed to fulfillment their aim to analyze the models precisely. In this case the parametic methods are useless so they turn to non-parametric methods for its easiness in programming. Non-parametric methods can also used to assume the parametric regression model for subsequent use. Moreover, as an advantage of using non-parametric methods is to solve the problem of Multi-Colinearity between explanatory variables combined with nonlinear data. This problem can be solved by using kernel ridge regression which depend on what so-called bandwidth estimation (smoothing parameters). Therefore, for this purpose two different methods were used to estimate the smoothing parameter (Maximum Likelihood Cross-Validation (MLCV) and Akaike Information Criterion (AIC)). Furthermore, a comparision between the previouse methods had been provided using simulation technique , and the method of Akaike Information Criterion (AIC) has been found to be the best for the Gaussian function .

المستخلص عادة ما يستعمل الباحثون بشكل عام و الأحصائيون بشكل خاص الأنحدار اللامعلمي عندما تعجز الطرائق المعلمية عن تحقيق غاياتهم في تحليل النماذج بدقة معينة , و من ثم تكون هذه الطرائق غير مجدية لذلك يتم اللجوء الى الطرائق اللامعلمية لسهولة برمجتها حاسوبيا , كما ويمكن أن تستعمل الطرائق اللامعلمية لأفتراض النموذج المعلمي للأنحدار لأستعماله لاحقآ , و من ضمن استعمالات الطرائق اللامعلمية هي معالجة احدى مشاكل الأنحدار , ألا وهي مشكلة التعدد الخطي Multi-Colinearity Problem بين المتغيرات التوضيحية عند اقترانها بمشكلة لاخطية البيانات Nonlinear Data , و ذلك بإستعمال دالة انحدار الحرف اللبي Kernel Ridge Regression (KRR) , والتي تعتمد على تقدير عرض الحزمة ( او ما تسمى بمعلمة التمهيد smoothing parameter) Bandwidth و لذلك تم اللجوء الى طريقتين مختلفتين لتقدير المعلمة الأخيرة و هما طريقة الأمكان الأعظم للعبور الشرعي MLCV)) Maximum Likelihood Cross-Validation و طريقة معيار (AIC) AKaikeو المقارنة بين هاتين الطريقتين بأستعمال اسلوب المحاكاة و قد تم التوصل الى إن طريقة معيار (AIC) AKaikeهي الأفضل بالنسبة لدالة Gaussian .

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

Arabic and English (2)


Year
From To Submit

2018 (1)

2017 (1)