جلد 10، شماره 2 - ( آبان 1390 )                   جلد 10 شماره 2 صفحات 267-289 | برگشت به فهرست نسخه ها

XML English Abstract Print


چکیده:   (10201 مشاهده)
مسئله پیشگویی متغیر پاسخ با استفاده از مجموعه‌ی متغیرهای کمکی در مدل رگرسیون خطی را در نظر بگیرید. اگر ‎ به طور پیشینی معلوم باشد یا گمان رود که زیرمجموعه‌ای از متغیرهای کمکی در برازش کلی مدل به طور معنی داری سهیم نیستند، مدلی مقید که این متغیرهای کمکی را کنار می‌گذارد می‌تواند بسنده باشد. از سوی دیگر، اگر این زیرمجموعه اطلاعاتی سودمند فراهم سازد، روش تربخشی برای به‌دست آوردن برآورد پارامترها، برآوردگرهای مقید و نامقید را با هم ترکیب می‌کند. چنین برآوردگری بهتر از برآوردگرهای ماکزیمم درستنمایی کلاسیک عمل می‌کند. اعتبار هر گونه اطلاع ‎ پیشینی می‌تواند از راه آزمون مقدماتی (پیش آزمون) سنجیده شود، و با توجه به این اعتبار، می‌تواند به صورت یک قید پارامتری در مدل گنجانده شود. بدین سان، برآوردگر پیش آزمونی، با توجه به برآمد آزمون مقدماتی، بین برآوردگرهای مقید و نامقید انتخاب به عمل می‌آورد. برای تشریح کاربرد روش برآورد تربخشی و پیش آزمونی، مثال‌هایی که سه مجموعه داده‌های واقعی را به کار می‌گیرند ارائه می‌شوند. عملکرد برآوردگرهای مثبت- تربخشی و پیش آزمونی با برآوردگر نامقید تحت درجه‌های متغیر عدم حتمیت اطلاعات پیشینی، مقایسه می‌شوند. بررسی مونت کارلویی خواص مجانبی برآوردگرهای موجود در نوشتگان را باز تأیید می‌کند.
متن کامل [PDF 187 kb]   (2804 دریافت)    

دریافت: ۱۳۹۰/۸/۱۶ | پذیرش: ۱۳۹۴/۶/۲۱