research centers


Search results: Found 4

Listing 1 - 4 of 4
Sort by

Article
Employing difference technique in some Liu estimators to semiparametric regression model
توظيف تقنية الفروق في بعض مقدرات LIU لأنموذج الانحدار شبه المعلمي

Authors: Saja Mohammad Hussein سجى محمد حسين --- Arshad Hameed Hassan ارشد حميد حسن
Journal: Diyala Journal For Pure Science مجلة ديالى للعلوم الصرفة ISSN: 83732222 25189255 Year: 2017 Volume: 13 Issue: 4 - part 2 Pages: 24-37
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

Semiparametric methods combined parametric methods and nonparametric methods ,it is important in most of studies which take in it's nature more progress in the procedure of accurate statistical analysis which aim getting estimators efficient, the partial linear regression model is considered the most popular type of semiparametric models, which consisted of parametric component and nonparametric component in order to estimate the parametric component that have certain properties depend on the assumptions concerning the parametric component, where the absence of assumptions, parametric component will have several problems for example multicollinearity means (explanatory variables are interrelated to each other) , To treat this problem we use a difference based through the use of biased estimators, in order to get less biased and variance estimators therefor we used difference based estimator liu and difference based almost unbiased liu estiomator. throughout studying simulation based upon mean square error, we concluded that difference based almost unbiased liu estiomator is better than difference based estimator liu since it has the smallest mean square error after that we estimate nonparametric component so removing parametric component and estimated Nonparametric using k-nearest neighbor smoother.

يلقى موضوع الطرائق شبه المعلميه والذي يدمج الطرائق المعلميه والطرائق اللامعلميه اهتماماً واضحا في معظم الدراسات والتي تأخذ طابعا أكثر تقدما في عملية التحليل الإحصائي الدقيق الذي يهدف إلى الحصول على مقدرات ذات مستوى عالٍ من الكفاءة ،اذ يعد انموذج الانحدار الخطي الجزئي من اشهر انواع النماذج شبه المعلمية حيث يتكون من مركبة معلمية واخرى اللامعلمية ,ولغرض تقدير المركبة المعلمية التي تتمتع بخصائص معينة تعتمد على الافتراضات التي تتعلق بالمركبة المعلمية ,حيث ان عدم تحقق الافتراضات فان المركبة المعلمية سوف تعاني عدة مشكلات ومنها مشكلة التعدد الخطي اي اننا بصدد عدم تحقق فرض (ان المتغيرات التوضيحية غير مترابطة بعضها ببعض),ولمعالجة هذه المشكلة نستخدم تقنية الفروق من خلال استخدام المقدرات المتحيزة ,ولغرض الحصول على مقدرات اقل تحيز واقل تباين نستخدم مقدر (Difference based liu estimator) ومقدر (Difference based almost unbiased liu estiomator) ومن خلال دراسة المحاكاة وبالاعتماد على معيار متوسط مربعات الخطأ استنتجنا بان مقدر (Difference based almost unbiased liu estiomator)افضل مقدر حيث يمتلك اقل متوسط مربعات الخطأ ونشير الى انه عندما يتم تقدير المركبة اللامعلمية يتم ازالة المركبة المعلمية من الانموذج شبه المعلمي ويتم تقدير المركبة اللامعلمية بأستخدام ممهد التجاور القريب (k-nearest neighbor smoother).


Article
Using Some Robust Methods For Handling the Problem of Multicollinearity
استعمال بعض الطرائق الحصينة في معالجة مشكلة التعدد الخطي

Authors: ghfraan esmaeel غفران اسماعيل كمال --- saif alimam سيف الامام سعدي خزعل
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2019 Volume: 25 Issue: 112 Pages: 500-514
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The multiple linear regression model is an important regression model that has attracted many researchers in different fields including applied mathematics, business, medicine, and social sciences , Linear regression models involving a large number of independent variables are poorly performing due to large variation and lead to inaccurate conclusions , One of the most important problems in the regression analysis is the multicollinearity Problem, which is considered one of the most important problems that has become known to many researchers , As well as their effects on the multiple linear regression model, In addition to multicollinearity, the problem of outliers in data is one of the difficulties in constructing the regression model , Leading to adverse changes when taking linear regression as a basis for hypothesis testing .In this paper, we present some robust methods for estimating the parameters of the multiple linear regression model, a ridge regression method for based on the LTS estimator and Liu method for based on the LTS estimator, Using the simulation, these two methods were compared according to the mean squares error (MSE) , The comparison showed that the Liu-LTS method is the best in estimating the parameters of the multiple linear regression model.

يعد أنموذج الانحدار الخطي المتعدد من نماذج الانحدار المهمة التي اجتذبت العديد من الباحثين في مجالات مختلفة منها الرياضيات التطبيقية والاعمال والطب والعلوم الاجتماعية , ان نماذج الانحدار الخطية التي تتضمن عدد كبير من المتغيرات التوضيحية تكون ذات اداء ضعيف بسبب كبر التباين فضلا عن ذلك تؤدي الى استنتاجات غير دقيقة , ان احدى المشاكل المهمة في تحليل الانحدار مشكلة تعدد العلاقة الخطية حيث تعتبر واحده من اهم المشاكل التي اصبحت معروفة لدى العديد من الباحثين وكذلك تأثيراتها على أنموذج الانحدار الخطي المتعدد الى جانب تعدد العلاقة الخطية مشكلة القيم الشاذة في البيانات التي تعتبر احدى الصعوبات في بناء أنموذج الانحدار , مما يؤدي الى تغيرات عكسية عند اتخاذ الانحدار الخطي كأساس لأجراء اختبارات الفروض .نستعرض في هذا البحث بعض الطرائق الحصينة لتقدير معلمات أنموذج الانحدار الخطي المتعدد وهي طريقة انحدار الحرف بالاعتماد على مقدر المربعات الصغرى المشذبة (Ridge-LTS) وطريقة (Liu) بالاعتماد على مقدر المربعات الصغرى المشذبة (, (Liu-LTS ومن خلال استخدام المحاكاة تمت اجراء المقارنة بين هاتين الطريقتين وفق معيار المقارنة متوسط مربعات الخطأ (MSE) , واتضح من خلال المقارنة ان طريقة ((Liu-LTS هي الافضل في تقدير معلمات أنموذج الانحدار الخطي المتعدد .


Article
A Comparison of Parameters Estimation Methods for the Negative Binomial Regression Model under Multicollinearity Problem by Using Simulation
مقارنة طرائق تقدير معلمات أنموذج انحدار ثنائي الحدين السالب في ظل وجود مشكلة التعدد الخطي باستعمال المحاكاة

Authors: سهيل نجم عبود --- ايناس صلاح خورشيد
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2019 Volume: 25 Issue: 110 Pages: 466-488
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This study discussed a biased estimator of the Negative Binomial Regression model known as (Liu Estimator), This estimate was used to reduce variance and overcome the problem Multicollinearity between explanatory variables, Some estimates were used such as Ridge Regression and Maximum Likelihood Estimators, This research aims at the theoretical comparisons between the new estimator (Liu Estimator) and the estimators of Maximum Likelihood (ML) and Ridge Regression (RR) by using the mean square error (MSE) criterion, where the variance of the Maximum Likelihood (ML) comes in the presence of the problem Multicollinearity between the explanatory variables. In this study, the Monte Carlo simulation was designed to evaluate the performance of estimations using the criterion for comparison, the mean square error (MSE). The simulation results showed important an estimated Liu and superior to the RR and MLE estimator Where the number of explanatory variables is (p=5) and the sample size is (n=100), where the number of explanatory variables is (p=3) and for all sizes, and also when (p=5) for all sizes except size (n=100), the RR regression method is the best.

ناقش هذا البحث مقدر متحيز لأنموذج انحدار ثنائي الحدين السالب (Negative Binomial Regression Model) ومعرف بالمقدر ليو(Liu Estimator)، اذ استعمل هذا المقدر لتقليل التباين والتغلب على مشكلة التعدد الخطي بين المتغيرات التوضيحية، كما تم استخدام بعض التقديرات منها مقدر انحدار الحرف (Ridge Regression) ومقدر الامكان الاعظم (Maximum Likelihood)، اذ يهدف هذا البحث الى المقارنات النظرية بين مقدر (Liu Estimator) ومقدرات الامكان الاعظم (Maximum Likelihood) وانحدار الحرف (Ridge Regression) باستخدام معيار متوسط مربعات الخطأ (MSE)، اذ يكون تباين مقدر الامكان الاعظم (MLE) متضخم في ظل وجود مشكلة التعدد الخطي بين المتغيرات التوضيحية، وتم في هذا البحث تصميم المحاكاة (مونت كارلوا) لتقييم اداء المقدرات باستخدام معيار مقارنة متوسط مربعات الخطأ (MSE)، حيث اظهرت نتائج المحاكاة اهمية مقدر ليو وتفوقها على مقدري انحدار الحرف (RR) والامكان الاعظم (MLE) عندما يكون عدد المتغيرات التوضيحية (p=5) ولحجم العينة (n=100)، اما عندما يكون عدد المتغيرات التوضيحية (p=3) ولكافة الحجوم، وكذلك عندما (p=5) ولكافة الحجوم ماعدا حجم العينة (n=100) طريقة انحدار الحرفRR هي الافضل.


Article
Compared the Proposed Method (AUGJRR) with Biased Methods to Estimate the Generalized Ridge Regression of the Existence of Multicollinearity
مقارنة الطريقة المقترحة (AUGJRR) مع الطرائق المتحيزة لتقديرانحدار الحرف العامة بوجود التعدد الخطي

Author: Saja M. Hussein سجى محمد حسين
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2016 Issue: 37 Pages: 69-78
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

The estimate the parameters of the General linear model, which suffers from a breach in one of the assumptions which is semi multicollinearity between the explanatory variables be using methods of estimating generalized Ridge regression which it will focus our attention in this research such as Generalized Ridge Regression Estimator (GRRE), Modified Jackknife Ridge Regression (MJRRE), Generalized Jackknife Ridge Regression)GJRRE( , Generalized Liu Estimator (GLE), Almost unbiased Generalized Liu (AUGLE) , Almost unbiased Generalized Ridge Regression (AUGRRE) addition to the proposed method Almost unbiased Generalized Jackknife Ridge Regression (AUGJRRE) Where in this research to derive the proposed method (AUGJRRE) to estimate the parameters of the model, which suffers from the problem of multicollinearity and the proposed method were compared with the methods mentioned above as well as the method (ols).

ان تقدير معلمات الااانموذج الخطي العام الذي يعاني من خرق في احدى فروضه وهو تعدد العلاقة الخطية (Multicollinearity) بين المتغيرات التوضيحية شبه التام يكون باستعمال طرائق تقدير انحدار الحرف العام والذي سيتركز عليه اهتمامنا في هذا البحث مثل:•Generalized Ridge Regression Estimator (GRRE،(•Modified Jackknife Ridge Regression (MJRRE(.•Generalized Jackknife Ridge Regression (GJRRE).•Generalized Liu Estimator (GLE).•Almost unbiased Generalized Liu (AUGLE(.•Generalized Ridge Regression Almost unbiased (AUGRRE).بالاضافة الى الطريقة المقترحة:•Almost unbiased Generalized Jackknife Ridge (AUGJRRE)حيث تم في هذا البحث اشتقاق طريقة (AUGJRR) لتقدير معلمات الااانموذج الذي يعاني من مشكلة التعدد الخطي وتمت مقارنة الطريقة المقترحة مع الطرائق المذكورة اعلاه بالاضافة الى طريقة(OLS). وكانت النتيجة بإن أفضل المقدرات هما المقدر (AUGLE) والمقدر المقترح (AUGJRRE)والمقدر (AUGRRE) حيث يمتلكون اقل متوسط مربعات خطأ (MSE) مقارنة مع مقدر المربعات الصغرى وبقية المقدرات المتحيزة الاخرى.

Listing 1 - 4 of 4
Sort by
Narrow your search

Resource type

article (4)


Language

Arabic (2)

Arabic and English (2)


Year
From To Submit

2019 (2)

2017 (1)

2016 (1)