تشخیص نقاط پرت در مدل رگرسیونی لیو
Publish place: Journal of Statistical sciences، Vol: 8، Issue: 1
Publish Year: 1393
Type: Journal paper
Language: Persian
View: 242
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-8-1_002
Index date: 14 September 2022
تشخیص نقاط پرت در مدل رگرسیونی لیو abstract
در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با استفاده از روش انتقال میانگین نقاط پرت، آماره آزمون لازم برای شناسایی این نقاط به هنگام استفاده از برآوردگر لیو تعمیم داده می شود. در ادامه با استفاده از مجموعه داده ای واقعی کاربرد این روش مورد ارزیابی قرار می گیرد.
تشخیص نقاط پرت در مدل رگرسیونی لیو Keywords:
Liu Estimator , Outliers , Collinearity , Mean Shift Outliers Method , برآوردگر لیو , نقاط پرت , هم خطی , روش انتقال میانگین نقاط پرت
تشخیص نقاط پرت در مدل رگرسیونی لیو authors
فروغ حاجی باقری
Department of Statistics, Shahid Chamran University, Ahvaz, Iran.
عبدالرحمن راسخ
Department of Statistics, Shahid Chamran University, Ahvaz, Iran.
محمدرضا آخوند
Department of Statistics, Shahid Chamran University, Ahvaz, 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 :