عناصر مشابهة
مقارنة طريقة انحدار الحرف غير المتحيزة بطريقتي انحدار المربعات الصغرى والجذور الصماء باستخدام أسلوب المحاكاة
| العنوان بلغة أخرى: | A Comparison of Unbiased Ridge Regression Method With Least Squares and Latent Roots Regression Methods Using Simulation Technique |
|---|---|
| الناشر: |
المفرق
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| التاريخ الميلادي: | 2006 |
| الصفحات: | 1 - 152 |
| رقم MD: | 571695 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | Arabic |
| قواعد المعلومات: | Dissertations |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية العلوم |
| مواضيع: | |
| رابط المحتوى: |
| المستخلص: | إن مشكلة تعدد العلاقة الخطية في الوقت الحاضر تعتبر من المشاكل التي تواجه اهتماما كبيرا من قبل الباحثين لتأثيراتها على نتائج التقديرات، حيث هناك فروضا أساسيه لإيجاد مقدرات نموذج الانحدار الخطي المتعدد باستخدام طريقة المربعات الصغرى ومن أهم هذه الفروض أن أعمدة مصفوفة المتغيرات المستقلة تكون مستقلة خطيا وعندما تكون هذه الأعمدة غير مستقلة خطيا فهذا يعني وجود مشكلة تعدد العلاقة الخطية والتي تؤدي إلى تضخم تباين المعلمات في نموذج الانحدار وبذلك نحصل على نموذج تنبؤي خاطئ، لذلك تم استخدام طرق أخرى بديلة عن طريقة المربعات الصغرى منها طريقة انحدار الجذور الصماء وطريقة انحدار الحرف غير المتحيزة . تم في هذه الدراسة تقدير معلمات نموذج الانحدار الخطي المتعدد باستخدام طريقة المربعات الصغرى والجذور الصماء وانحدار الحرف غير المتحيزة، وذلك من خلال توليد البيانات بأسلوب مونت كارلو للمحاكاة لأربعة عشر متغيرا مستقلا ولعدة ارتباطات بين هذه المتغيرات المستقلة، ثم تمت المقارنة بين الطرق الثلاث أعلاه بالاعتماد على أقل متوسط مربعات خطأ، وكانت طريقة انحدار الحرف غير المتحيزة هي الأفضل مقارنة بطريقتي المربعات الصغرى والجذور الصماء، وأيضا طريقة الجذور الصماء هي الأفضل مقارنة بطريقة المربعات الصغرى لحالة ارتباط ٪67 فأكثر. |
|---|
