research centers


Search results: Found 6

Listing 1 - 6 of 6
Sort by

Article
Bayesian Lasso Tobit regression

Author: Haider Kadhim Abbas
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2019 Volume: 11 Issue: 2 Pages: Stat Page 1-13
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

In the present research, we have proposed a new approach for model selection in Tobit regression. The new technique uses Bayesian Lasso in Tobit regression (BLTR). It has many features that give optimum estimation and variable selection property. Specifically, we introduced a new hierarchal model. Then, a new Gibbs sampler is introduced. We also extend the new approach by adding the ridge parameter inside the variance covariance matrix to avoid the singularity in the case of multicollinearity or in case the number of predictors greater than the number of observations. A comparison was made with other previous techniques applying the simulation examples and real data. It is worth mentioning, that the obtained results were promising and encouraging, giving better results compared to the previous methods.


Article
"Compared some of the semi-parametric methods in analysis of single index model
مقارنة بعض الطرائق شبه المعلمية في تحليل انموذج المؤشر الواحد

Authors: مناف يوسف حمود --- طارق عزيز صالح
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2016 Volume: 22 Issue: 91 Pages: 367-388
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

As the process of estimate for model and variable selection significant is a crucial process in the semi-parametric modeling At the beginning of the modeling process often At there are many explanatory variables to Avoid the loss of any explanatory elements may be important as a result , the selection of significant variables become necessary , so the process of variable selection is not intended to simplifying model complexity explanation , and also predicting. In this research was to use some of the semi-parametric methods (LASSO-MAVE , MAVE and The proposal method (Adaptive LASSO-MAVE) for variable selection and estimate semi-parametric single index model (SSIM) at the same time . The result that the best method for estimating and the variable selection of semi parametric single index model is proposal method (Adaptive LASSO-MAVE) of first model and (LASSO-MAVE) of second method useful for average mean squares error (AMSE).

ان عملية تقدير الانموذج وأختيار المتغير المعنوي هي عملية حاسمة في النمذجة شبه المعلميه semi-parametric modeling)) ففي بدايه عملية النمذجة كثيرا" ما يكون هنالك عدد كبير من المتغيرات التوضيحية لتجنب فقدان أي عناصر تفسيريه قد تكون هامة ونتيجة لذلك فأن أختيار المتغيرات المعنوية أصبحت ضرورة فضلاً عن ان عملية أختيار المتغير ليس الغرض منه تبسيط الأنموذج المعقد وتفسيره فقط ولكن كذلك القدرة على التنبؤ . في هذا البحث تم أستعمال بعض الطرائق شبه المعلميه الاتية (طريقة تقدير التباين لادنى معدل مع دالة جزاء لاسو (MAVE-LASSO) , طريقة تقدير التباين لأدنى معدل MAVE)) والطريقة المقترحة من قبل الباحث (طريقة تقدير التباين لادنى معدل مع دالة جزاء لاسو التكيفية(ALASSO-MAVE )) الخاصة بتقدير وأختيار المتغير لانموذج المؤشر الواحد شبه المعلمي في آن واحد. وقد تم التوصل في هذا البحث الى ان افضل طريقة لتقدير واختيار المتغير لانموذج المؤشر الواحد شبه العلمي هي الطريقة المقترحة (MAVE-ALASSO) للانموذج الاول وطريقة (MAVE-LASSO) للانموذج الثاني بالاعتماد على معيار المقارنة معدل متوسط مربعات الخطأ (AMSE) .


Article
comparison between some of the robust penalized estimators using simulation
مقارنة بين بعض المقدرات الجزائية الحصينة باستخدام المحاكاة

Authors: عماد حازم عبودي --- علي حميد يوسف
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2017 Volume: 23 Issue: 100 Pages: 490-504
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The penalized least square method is a popular method to deal with high dimensional data ,where the number of explanatory variables is large than the sample size . The properties of penalized least square method are given high prediction accuracy and making estimation and variables selection At once. The penalized least square method gives a sparse model ,that meaning a model with small variables so that can be interpreted easily .The penalized least square is not robust ,that means very sensitive to the presence of outlying observation , to deal with this problem, we can used a robust loss function to get the robust penalized least square method ,and get robust penalized estimator and it can deal problems of dimensions and outliers .In this paper a compression had been made Sparse LTS estimator and MM Lasso by using simulation and the simulation results show that the MM Lasso is best for every experiments, Depending on the criteria for the Mean Square Error, False Positive Rate and False negative Rate .

المستخلص: تعد طريقة المربعات الصغرى الجزائية طريقة ملائمة وشائعة للتعامل مع البيانات ذات الابعاد العالية ولاسيما التي يكون فيها عدد المتغيرات التوضيحية اكبر من حجم العينة ، ومن ضمن المزايا التي تتمتع بها طريقة المربعات الصغرى الجزائية هي ضمان الحصول على تنبؤ عالي الدقة وكذلك قيامها بعملية التقدير واختيار المتغيرات في ان واحد ، فهي تقوم بتقليص بعض المعاملات وجعلها مساوية للصفر . حيث انها تعطي نموذجاً متبعثراً (Model Sparse) اي النموذج الذي يتضمن اقل عدد ممكن من المتغيرات ومن ثم يكون قابلاً للتفسير بسهولة. وعلى الرغم من تلك المزايا التي تتمتع بها طريقة المربعات الصغرى الجزائية الا انها تعد طريقة غير حصينة بمعنى انها تتأثر بالقيم الشاردة ، وللتغلب على هذه المشكلة يتم استبدال دالة خسارة المربعات الصغرى بدالة خسارة حصينة ليتم الحصول على طريقة المربعات الصغرى الجزائية الحصينة ، ويكون المقدر الناتج يدعى بالمقدر الجزائي الحصين الذي يتعامل مع مشكلتي الابعاد والقيم الشاردة . وفي هذا البحث تمت عملية المقارنة بين مقدري (Sparse LTS) وMM Lasso)) باستعمال المحاكاة وقد تم التوصل الى افضلية مقدر (MM Lasso) في معظم التجارب وذلك بالاعتماد على معيار متوسط مربعات الخطأ ، ومعدل الايجابية الزائف ومعدل السلبية الزائف.


Article
Bayesian adaptive Lasso Tobit regression

Authors: Haider Kadhim Abbas --- Rahim Jabbar Thaher
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2019 Volume: 11 Issue: 1 Pages: Stat Page 1-10
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

In this paper, we introduce a new procedure for model selection in Tobit regression, we suggest the Bayesian adaptive Lasso Tobit regression (BALTR) for variable selection (VS) and coefficient estimation. We submitted a Bayesian hierarchical model and Gibbs sampler (GS) for our procedure. Our proposed procedure is clarified by means of simulations and a real data analysis. Results demonstrate our procedure performs well in comparison to further procedures.


Article
"A comparative study between LASSO-MAVE method and Adaptive LASSO-MAVE method for variable selection in semi-parametric single index models
دراسة مقارنة بين طريقة ( لاسو – ماف ) وطريقة ( لاسو التكيفيه – ماف ) لاختيار المتغير في نماذج المؤشر الواحد شبه المعلميه

Author: Tariq Aziz Saleh م.د. طارق عزيز صالح
Journal: THE IRAQI MAGAZINJE FOR MANAGERIAL SCIENCES المجلة العراقية للعلوم الادارية ISSN: ISSN 10741818 Year: 2017 Volume: 13 Issue: 53 Pages: 197-215
Publisher: Kerbala University جامعة كربلاء

Loading...
Loading...
Abstract

The semi-parametric single – index model (SSIM) are important tools and basic to treatment the problem of high – dimensional , As it plays an important role in the process of model building and variable selection of significant . in this research has been the use some methods variable selection of automatic modern and that work on estimation vector of parameters β and link function g (X^T β ) With variable selection at the same time for semi-parametric single-index model are LASSO -MAVE method and Adaptive LASSO - MAVE method for aim to improve the accuracy and predict of the model . in order to achieve this aim , it was conducted simulation experiment to show methods preference used in estimation and variable selection for model under study by using different models , different variances , different sample sizes and different correlation values as well as the use of a real data of influencing factors on market value share for the banks sector in the iraqi stock exchange for purpose of comparison and a check from performance these methods in practice . it was reached through simulation experiments and a real data to conclusion showed favorite Adaptive LASSO - MAVE method as it gave better results from LASSO-MAVE method depending on the two criteria Average mean squared error (AMSE) and Average mean absolute error (AMAE) basically for Comparison , and were obtained on results depending on program R- package.

ان نماذج المؤشر الواحد شبه المعلميه هي ادوات مهمة واساسية لمعالجة مشكلة الابعاد العالية اذ تلعب دوراً مهماً في عملية بناء الانموذج واختيار المتغيرات المعنويه . وفي هذا البحث تم استعمال بعض اساليب اختيار المتغير التلقائي الحديثة والتي تعمل على تقدير متجه المعلمات β ودالة الربط g (X^T β ) واختيار المتغير في آن واحد لنماذج المؤشر الواحد شبه المعلميه وهي طريقة (LASSO – MAVE) وطريقة )MAVE- (Adaptive LASSO بهدف تحسين دقة وتنبؤ الانموذج ومن اجل تحقيق هذا الهدف تم اجراء تجارب المحاكاة لبيان افضلية الطرائق المستعملة في تقدير واختيار المتغير للانموذج قيد الدراسة وباستعمال نماذج مختلفة , تباينات مختلفة , وحجوم عينات مختلفة وقيم ارتباط مختلفة فضلاً عن استخدام البيانات الحقيقية المتمثلة بالعوامل المؤثرة في القيمة السوقية للسهم لقطاع المصارف في سوق العراق للاوراق المالية لغرض المقارنة والتحقق من اداء هذه الطرائق في الواقع العملي . وتم التوصل عن طريق تجارب المحاكاة والبيانات الحقيقية الى استنتاجات بينت افضلية طريقة MAVE)- (LASSO اذ اعطت نتائج افضل من طريقة LASSO – MAVE) (Adaptive بالاعتماد على المعيارين معدل متوسط مربعات الخطا (AMSE) ومعدل متوسط الخطا المطلق (AMAE) اساساً للمقارنة وتم الحصول على النتائج بالاعتماد على برنامج (R-package).


Article
Comparison of Some Methods for Estimating the Scheff'e Model of the Mixture
مقارنة بعض طرائق تقدير ٳنموذج Scheff'e الخليط

Authors: دجلة ابراهيم مهدي العزاوي --- حلا سلمان فرحان
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2019 Volume: 25 Issue: 110 Pages: 392-405
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Because of the experience of the mixture problem of high correlation and the existence of linear MultiCollinearity between the explanatory variables, because of the constraint of the unit and the interactions between them in the model, which increases the existence of links between the explanatory variables and this is illustrated by the variance inflation vector (VIF), L-Pseudo component to reduce the bond between the components of the mixture. To estimate the parameters of the mixture model, we used in our research the use of methods that increase bias and reduce variance, such as the Ridge Regression Method and the Least Absolute Shrinkage and Selection Operator (LASSO) method as well as the Elastic Net estimation method, In R the comparison criterion is the absolute mean percent error (MAPE).

نظرا لما تعانيـه تجارب الخليط من مشكلة الارتبـاطات العالية ووجود مشكلة التعدد الخطي بين المتغيرات التوضيحية وذلك لوجود قيد الوحدة والتفاعلات بينها في النموذج مما يزيد من وجود الارتباطات بين المتغيرات النوضيحية وهذا ما يوضحه عامل تضخم التباين Variance Inflation Vector (VIF) , كذلك تم التطـرق الى استخـدام تحويل المكونات الزائفة للحـدود الدنيا (L-Pseudo component) للتقليل من الارتباطات بين مكونات الخليط . لتقدير معالم ٳنموذج الخليط اعتمدنا في بحثنا على استخدام طرائق تقدير تعمل على زيادة التحيز وتقلل من التباين منها طريقة ٳنحدار الحرف Ridge Regression Method وطريقة تقدير (Least Absolute Shrinkage and Selection Operator) (LASSO) فضلا عن طريقة تقدير الشبكة المرنة Elastic Net , وتمثيله باستخدام المحاكاة بلغة R بمعيار المقارنة متوسط مطلق الخطأ النسبي Mean Absolute Percentage Error (MAPE).

Listing 1 - 6 of 6
Sort by
Narrow your search

Resource type

article (6)


Language

Arabic and English (3)

English (2)

Arabic (1)


Year
From To Submit

2019 (3)

2017 (2)

2016 (1)