مقدر ليو Liu المعدل لنموذج انحدار گاوس المعكوس
الشريط الجانبي للمقالة
THIS IS AN OPEN ACCESS ARTICLE UNDER THE CC BY LICENSE
محتوى المقالة الرئيسي
الملخص
إن مشكلة التعدد الخطي لها تأثيرًا غير مرغوب فيه على كفاءة مقدر الإمكان الأعظم (MLE) في نموذج انحدار گاوس المعكوس (IGRM). يتم استخدام نموذج انحدار گاوس المعكوس (IGRM) عندما يكون متغير الاستجابة منحرفًا بشكل إيجابي ويتبع توزيع گاوس المعكوس. للتقليل من هذه المشكلة، تم تطوير مقدرات انحدار الحرف ومقدر ليو كبديل لـ MLE. كلا المقدرين يمتلكان متوسط مربعات خطأ (MSE) أصغر من MLE. عيب استخدام مقدر Liu التقليدي هو أنه في معظم الأوقات، يصل معامل التحيز d إلى قيمة سالبة وهي عيب رئيسي لمقدر Liu التقليدي. لذلك، للتغلب على هذه المشكلة، تم اقتراح مقدرًا جديدًا معدلاً وهو مقدر ليو گاوس المعكوس (MIGLE) لـ (IGRM). يتم مقارنة أداء المقدر المقترح مع بعض المقدرات الموجودة في دراسة المحاكاة والتطبيق الواقعي. يوضح معيار MSE أن المقدر المقترح يمتلك أقل متوسط مربعات خطأ MSE ويحقق أفضل أداء مقارنة بالمقدرات الأخرى.
التنزيلات
تفاصيل المقالة
المراجع
Akdeniz, F., & Kaçiranlar, S., (2001), More on the new biased estimator in linear regression. Sankhyā: The Indian Journal of Statistics, Series B, 321–325.
Akram, M. N., Amin, M., & Qasim, M., (2020), A new Liu-type estimator for the inverse Gaussian regression model. Journal of Statistical Computation and Simulation, 90(7), 1153-1172.
Algamal, Z. Y., & Lee, M. H., (2017), A novel molecular descriptor selection method in QSAR classification model based on weighted penalized logistic regression. Journal of Chemometrics, 31(10), e2915.
Alheety, M. I., & Kibria, B. M. G., (2009), On the Liu and almost unbiased Liu estimators in the presence of multicollinearity with heteroscedastic or correlated errors. Surveys in Mathematics and Its Applications, 4, 155-167.
Amin, M., Akram, M. N., & Kibria, B. M. G., (2021), A new adjusted Liu estimator for the Poisson regression model. Concurrency and Computation: Practice and Experience, 33(20), e6340.
Amin, M., Qasim, M., Amanullah, M., & Afzal, S., (2020), Performance of some ridge estimators for the gamma regression model. Statistical Papers, 61(3), 997-1026.
Bhattacharyya, G. K., & Fries, A., (1982), Inverse Gaussian regression and accelerated life tests. Lecture Notes-Monograph Series, 2, 101–117.
Frisch, R., (1934), Statistical confluence analysis by means of complete regression systems (Vol. 5). Universitetets Økonomiske Instituut.
Hoerl, A. E., & Kennard, R. W., (1970), Ridge regression: Biased estimation for nonorthogonal problems. Technometrics, 12(1), 55-67.
Kejian, L., (1993), A new class of blased estimate in linear regression. Communications in Statistics-Theory and Methods, 22(2), 393-402.
Khalaf, G., & Shukur, G., (2005), Choosing ridge parameter for regression problems.
Kibria, B. M. G., (2012), Some Liu and ridge-type estimators and their properties under the ill-conditioned Gaussian linear regression model. Journal of Statistical Computation and Simulation, 82(1), 1-17.
Kibria, B. M. G., & Saleh, A. K. M. E., (2012), Improving the estimators of the parameters of a probit regression model: A ridge regression approach. Journal of Statistical Planning and Inference, 142(6), 1421-1435.
Kibria, B. M., Månsson, K., & Shukur, G., (2012), Performance of some logistic ridge regression estimators. Computational Economics, 40(4), 401-414.
Kurtoğlu, F., & Özkale, M. R., (2016), Liu estimation in generalized linear models: application on gamma distributed response variable. Statistical Papers, 57(4), 911-928.
Liu, K., (2003), Using Liu-type estimator to combat collinearity. Communications in Statistics-Theory and Methods, 32(5), 1009-1020.
Månsson, K., & Shukur, G., (2011), A Poisson ridge regression estimator. Economic Modelling, 28(4), 1475-1481. https://doi.org/10.1016/j.econmod.2011.02.030
Mawlood, K. I., (2021), Estimating Hazard Function and Survival Analysis of Tuberculosis Patients in Erbil city. Tikrit Journal of Administration and Economics Sciences, 17 (54 part 3).
Naveed, K., Amin, M., Afzal, S., & Qasim, M., (2022), New shrinkage parameters for the inverse Gaussian Liu regression. Communications in Statistics-Theory and Methods, 51(10), 3216–3236.
Qasim, M., Amin, M., & Amanullah, M., (2018), On the performance of some new Liu parameters for the gamma regression model. Journal of Statistical Computation and Simulation, 88(16), 3065–3080.
Qasim, M., Amin, M., & Omer, T., (2020), Performance of some new Liu parameters for the linear regression model. Communications in Statistics-Theory and Methods, 49(17), 4178–4196.
Qasim, M., Kibria, B. M. G., Månsson, K., & Sjölander, P., (2020), A new Poisson Liu regression estimator: method and application. Journal of Applied Statistics, 47(12), 2258–2271.
Salh, A. P. D. S. M., Abdalla, H. T., & Omer, Z. M., (2021), Using Multinomial Logistic Regression model to study factors that affect chest pain. Tikrit Journal of Administration and Economics Sciences, 17(53 part 2).
Segerstedt, B., (1992), On ordinary ridge regression in generalized linear models. Communications in Statistics-Theory and Methods, 21(8), 2227-2246.
Varathan, N., & Wijekoon, P., (2021), Modified almost unbiased Liu estimator in logistic regression. Communications in Statistics-Simulation and Computation, 50(11), 3530-3546.
Yahya Algamal, Z., (2019), Performance of ridge estimator in inverse Gaussian regression model. Communications in Statistics-Theory and Methods, 48(15), 3836-3849.