XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Roozbeh M, Arash M, Kibria G. Generalized Ridge Regression Estimator in Semiparametric Regression Models. JIRSS. 2015; 14 (1) :25-62
URL: http://jirss.irstat.ir/article-1-268-fa.html
روزبه مهدی، آرشی محمد، کیبریا غلام. برآورد رگرسیونی ریج در مدل‌‌های رگرسیون نیمه پارامتری. پژوهشنامه انجمن آمار ایران. 1394; 14 (1) :25-62

دانشگاه سمنان
چکیده:   (1701 مشاهده)

در زمینه رگرسیون ریج، برآورد پارامتر ریج (پارامتر انقباضی) نقش مهمی در آنالیز داده‌ها بازی می‌کند. تحقیقات بسیاری برای توسعه این تکنیک‌ها و روش‌های محاسبه توابع ریسک به کمک مقادیر ویژه در مدل‌های رگرسیون کامل پارامتری انجام شده است. اما تاکنون برآورد انقباضی در مدل‌های رگرسیون نیمه‌پارامتری انجام نشده است. هدف اصلی این تحقیق گسترش ابزارهای لازم برای محاسبه تابع ریسک ضرایب رگرسیون براساس مقادیر ویژه ماتریس طرح در مدل رگرسیون نیمه پارامتری با استفاده از روش تفاضلی می‌باشد. بدین منظور، چندین برآوردگر جدید برای پارامتر انقباضی معرفی خواهند شد. نشان داده می‌شود که یکی از این برآوردگرها که براساس میانگین معروف هارمونیک ساخته می‌شود، برای مقادیر بزرگ پارامتر سیگنال به نرخ اختلال بهتر از سایرین عمل می‌کند. در این طرح، چند شبیه‌سازی مونت‌کارلو و تحلیل داده واقعی مربوط به قیمت خانه‌ها به منظور بررسی کارایی برآوردگرهای انقباضی برمبنای داشتن کمترین مقدار ریسک انجام می‌گردد.

     
نوع مطالعه: Original Paper | موضوع مقاله: 62Jxx: Linear inference, regression
دریافت: ۱۳۹۳/۴/۱۰ | پذیرش: ۱۳۹۴/۹/۸ | انتشار: ۱۳۹۴/۹/۸

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به پژوهشنامه انجمن آمار ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journal of The Iranian Statistical Society

Designed & Developed by : Yektaweb