بهبود روش کمترین توان های دوم دو مرحله ای در مدل های رگرسیونی با متغیر درون زا
Publish place: Journal of Statistical sciences، Vol: 10، Issue: 2
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 234
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_STAT-10-2_002
Index date: 14 September 2022
بهبود روش کمترین توان های دوم دو مرحله ای در مدل های رگرسیونی با متغیر درون زا abstract
حضور متغیرهای درون زا در مدل های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه ای حل کرده اند. یکی از این روش ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون زایی متغیر مورد مناقشه می شود. روشی دیگر برای برآورد پارامتر مدل های رگرسیون درون زا، روش کمترین توان های دوم دو مرحله ای است که دقت بهتری نسبت به روش کمترین توان های دوم معمولی دارد. اما براوردگر حاصل از این روش نیز تنها در حالت بزرگ نمونه ای نااریب و سازگار است. مقاله حاضر روش های نوینی برای رفع این نقص ها ارائه می کند. به طور دقیقتر، به منظور افزایش دقت برآورد در مدل موردنظر، نوشته حاضر سه روش کمترین توان های دوم دو مرحله ای تکراری، دو مرحله ای جکنایف و دو مرحله ای کالبیده را در حالت اندازه نمونه متناهی پیشنهاد می دهد. برای ارزیابی عملکرد روش های ارائه شده مطالعه شبیه سازی انجام خواهد شد. علاوه بر این، با استفاده از داده های هزینه و درآمد ایران، گردآوری شده در سال ۱۳۹۰، نحوه عملکرد برآوردهای پیشنهادی مورد مقایسه قرار می گیرد.
بهبود روش کمترین توان های دوم دو مرحله ای در مدل های رگرسیونی با متغیر درون زا Keywords:
Regression models , Endogenous and exogenous variables , Two stage least square , Instrumental variables , مدل های رگرسیونی , متغیرهای درون زا و برونزا , تصحیح اریبی , روش های کمترین توان های دوم دو مرحله ای , متغیرهای ابزاری
بهبود روش کمترین توان های دوم دو مرحله ای در مدل های رگرسیونی با متغیر درون زا authors
امید اخگری
Department of Statistics, Tarbiat Modares University, Tehran, Iran.
موسی گل علی زاده
Department of Statistics, Tarbiat Modares University, Tehran, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :