research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

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 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

Arabic and English (1)


Year
From To Submit

2018 (1)